论文部分内容阅读
针对传统钟差预报模型初始偏差值较大的问题,本文采用长短时记忆网络(LSTM)优化传统钟差预报模型进行短期钟差预报。首先利用二次多项式(QP)模型、灰色模型(GM)和LSTM对前12 h的数据进行建模,分别预报0.5 h,1 h和3 h的钟差;进而用LSTM预测出的第一个数据作为真值,将传统模型预测出的钟差与其相减得到一个差值;最后将传统模型预测出的钟差减去差值得到最终的钟差预报值。本文选取BDS-3的C19, C30, C32和C37 4颗卫星进行实验,对比分析了QP, LSTM-QP, GM和LSTM-GM 4种模型的预报精度。实验表明,LSTM-QP和LSTM-GM模型在预报0.5 h时,其精度相较于QP和GM模型最高约提高了20.2倍和17.5倍,在预报3 h时,其最高约提高了1.4倍和1.9倍。因此,利用LSTM对初始偏差值修正有效提高了传统模型的预报精度。