基于改进粒子群优化LS-SVM的卫星钟差预报研究

摘要：

针对导航卫星短期钟差预报精度和稳定度不高的问题,提出了一种基于改进粒子群优化(PSO)最小二乘支持向量机(LS-SVM)的卫星钟差预报方法.通过引进自适应改变的惯性权重和学习因子来提高粒子群算法的寻优能力,并将其应用到LS-SVM的参数优化中,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度.选取国际GPS服务组织(IGS)产品中四颗典型卫星的钟差数据,分别采用LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明:LS-SVM模型的预报精度优于其它两种模型,为导航卫星短期高精度钟差预报提供了新的思路.

关键词：粒子群优化、惯性权重、学习因子、最小二乘支持向量机、卫星钟差

所属期刊栏目：34

分类号：P228(大地测量学)

资助基金：国家自然科学基金61172169

在线出版日期：2014-01-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1509-1515