一种基于人工智能方法的日长变化参数预报模型

一种基于人工智能方法的日长变化参数预报模型

论文摘要

广义回归神经网络(GRNN)是一种新型的前馈神经网络模型,具有训练次数少、耗时短、非线性参数的预报能力较强等优点。GRNN对日长变化参数(LOD)进行预报能够取得良好的预报效果,但GRNN唯一调节参数即光滑因子无法自动获取,则限制其进一步应用。针对该缺陷,本文采用果蝇优化算法(FOA)与GRNN相结合构建FOAGRNN模型对GRNN进行优化,以自动获取光滑因子。通过将FOAGRNN与其他模型(主要包括GRNN、BPNN、Modified BPNN和FIS)的预报结果进行比较与分析,结果显示:①在超短期1~10天内预报中,FOAGRNN预报结果与其他预报模型的预报结果相当;②在短期1~30天内预报中,除GRNN模型与FOAGRNN预报结果相当外,FOAGRNN结果优于其余预报模型;③在中长期1~360天内预报中,FOAGRNN模型优于所有模型的预报结果。同时,试验结果表明,针对LOD参数短期预报,FOAGRNN模型可获得与当前国际预报精度相当的预报结果。

论文目录

文章来源

类型: 国内会议

作者: 王潜心,王志文

关键词: 果蝇优化算法,广义回归神经网络,日长变化参数,地球定向参数

来源: 中国卫星导航与位置服务第八届年会暨中国北斗应用大会 2019-09-10

年度: 2019

分类: 基础科学,信息科技

专业: 天文学,自动化技术

单位: 中国矿业大学,中交第一航务工程勘察设计院有限公司

分类号: TP18;P127.4

页码: 255-262

总页数: 8

文件大小: 1111k

下载量: 28

相关论文文献

  • [1].全变化参数的中位值-极差联合控制图的经济设计[J]. 数学的实践与认识 2009(09)
  • [2].线性变化参数的粒子群优化算法[J]. 生物数学学报 2014(01)
  • [3].参数化的空间实体变化分类方法[J]. 中南大学学报(自然科学版) 2014(02)
  • [4].药膳在重型颅脑损伤患者肠内营养支持的疗效观察[J]. 护理实践与研究 2008(10)
  • [5].型钢混凝土T形柱受剪性能及承载力计算[J]. 建筑结构 2013(01)
  • [6].剪力钉推出试验受力机理研究[J]. 钢结构 2009(09)
  • [7].一种新型柱-柱连接节点的装配式柱试验研究[J]. 混凝土 2019(12)
  • [8].基于多年观测数据的地温预测模型[J]. 山西建筑 2014(06)
  • [9].车用柴油机油环弹力变化参数的模拟试验研究[J]. 内燃机与配件 2012(03)
  • [10].弹性地基上线性变截面梁的弯曲变形[J]. 兰州理工大学学报 2010(04)
  • [11].不同初始含水率下砂岩冻融劣化特性试验研究[J]. 科学技术与工程 2017(26)
  • [12].方中空夹层钢管混凝土压扭构件的试验及有限元计算研究[J]. 工业建筑 2015(07)
  • [13].红榉光合生理特性日变化规律[J]. 湖南林业科技 2012(01)
  • [14].芯片的并联——从经典的最坏情况到统计方法[J]. 变频器世界 2009(03)
  • [15].套筒约束浆锚搭接节点力学试验简介[J]. 结构工程师 2016(04)
  • [16].高强钢筋与再生混凝土界面黏结性能试验研究[J]. 工业建筑 2013(11)
  • [17].电流型Buck-Boost DC-DC变换器的分岔与混沌[J]. 上海理工大学学报 2013(03)

标签:;  ;  ;  ;  

一种基于人工智能方法的日长变化参数预报模型
下载Doc文档

猜你喜欢