《表4 两方案中Range结果统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于灰色神经网络的卫星钟差预报策略》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

ns

3）分析并联型灰色神经网络对应列的统计数据可知：（1）从表3和表4可看出，对于1d以内的短期预报，预报精度在亚纳秒到几个纳秒之间，预报稳定性也在几个纳秒。由于结合了两种精度相当的预报方法，能够有效地降低其他两模型出现的预报不稳定的情况，使预报数据可信度更高。（2）根据表3和表4，在方案1中，除1d预报结果较灰色模型稍差以外，其余精度与稳定性均比灰色模型和神经网络单独使用更优。由于并联型灰色神经网络能够将所使用的两方法正负误差相抵消，使得部分卫星预报精度远优于灰色模型和神经网络单独使用。这种情况在中短期预报中更甚，如图1（a）中PG01。 (3）根据表5和表6可知，在方案1的短期预报中，从P参数和C参数角度看，parallel是优质预报模型。（4）从图1（b）和表3可看出，方案2中，并联型的精度明显下降。由于训练数据较少导致BP神经网络部分精度较低，从而导致并联型方法受到影响。但仍有灰色模型存在，因而精度降低较BP神经网络少。 (5）根据表5和表6得知，尽管精度降低，但方案2短期parallel预报仍是勉强可用的模型。（6）由预报结果统计可知，该模型进行钟差预报时，钟差预报结果的精度和稳定性随着星载原子钟的不同而不同。