《表2 BDS超快速钟差预报6 h结果单天精度统计》
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。
图表编号 | XD0097082400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.30 |
作者 | 李文涛、边少锋、任青阳、梅长松、潘雄 |
绘制单位 | 中国地质大学(武汉)地理与信息工程学院、中国地质大学(武汉)地理与信息工程学院、重庆交通大学土木工程学院、中国地质大学(武汉)地理与信息工程学院、中国地质大学(武汉)地理与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |