利用结构自适应极端学习机预报导航卫星钟差
针对卫星钟差难以用精确模型来进行预报的问题,将极端学习机(extreme learning machine,ELM)神经网络用于导航卫星钟差预报.针对ELM网络隐层结构难以确定的问题,提出了基于自适应共振理论(adaptive resonance theory,ART)网络思想的ELM网络结构设计算法.该算法将ART网络的聚类特性用于ELM网络结构设计中,通过对输入向量与已存模式的相似度比较将输入向量进行分类,自适应地确定隐层节点规模.使用GPS卫星钟差数据进行30 d的预报实验,结果表明,此方法的钟差预报精度明显优于二次多项式模型和灰色系统模型.
卫星钟差、预报、自适应共振理论网络、极端学习机、结构设计
43
P228(大地测量学)
国家自然科学基金11503031
2018-08-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
664-668,718