《表2 BDS超快速钟差预报6 h结果单天精度统计》

  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

《基于粒子群优化核极限学习机的北斗超快速钟差预报》

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

首先，选取超快速钟差训练样本，粒子群算法初始化时，经过多次试验，设定粒子群规模为40，惯性系数范围为[0.5，1.0]，学习因子均为2，算法终止条件为收敛精度达到1×10-12或迭代次数达到800；然后，利用PSO算法选择合适的核参数和正则化系数后，代入式（5）和式（4）中，建立KELM超快速钟差预报模型进行钟差预报；最后，再将预报结果进行反归一化得到超快速钟差预报值。采用2018年6月26日的BDS超快速钟差数据进行6 h短期钟差预报，图2给出了ISU-P钟差和采用其他三种不同模型进行预报的预报残差图，横坐标表示预报6 h的历元个数，表2给出了ISU-P钟差和其他三种不同模型预报结果的精度统计，以及PSO-KELM模型预报值相对于ISU-P钟差与QP模型预报值两者的改进率。