申请/专利权人:武汉大学
申请日:2024-01-15
公开(公告)日:2024-04-02
公开(公告)号:CN117574991B
主分类号:G06N3/084
分类号:G06N3/084;G06N3/126
优先权:
专利状态码:有效-授权
法律状态:2024.04.02#授权;2024.03.08#实质审查的生效;2024.02.20#公开
摘要:本发明提供一种基于GA算法优化BP神经网络的极移预报方法及系统,属于大地测量与卫星导航技术领域,包括:采用LS模型拟合线性趋势项和周期项,并得到拟合的残差序列;为不同的预报跨度确定不同的神经网络结构与参数;确定GA算法的种群初始化范围与适应度函数;采用GA算法优化确定好的网络的初始权值与阈值;然后将优化后的初始值赋给神经网络,并用残差序列进行训练和外推预报;最终将网络预报值与LS拟合预报值相加得到最终的预报值。本发明通过考虑到不同的预报跨度有不同的最佳网络结构,同时利用多参数GA优化算法在BP神经网络算法初值优化的作用,有效提高了采用BP神经网络进行极移预报的稳定性和整体精度。
主权项:1.一种基于GA算法优化BP神经网络的极移预报方法,其特征在于,包括:获取地球定向参数EOP中的极移分量数据,采用最小二乘法LS对所述极移分量数据中的指定项进行拟合并外推预报,获得极移参数序列的拟合残差与LS预报值;根据所述极移参数序列的拟合残差的不同预报跨度,确定不同的反向传播BP神经网络结构;确定遗传算法GA的种群初始化范围与适应度函数,得到优化后的GA算法;利用优化后的GA算法对BP神经网络结构的初始权值与阈值进行优化,获得优化后的初始权值和阈值;采用优化后的初始权值和阈值对所述BP神经网络结构进行赋值和网络训练得到残差序列预报值,由所述残差序列预报值与所述LS预报值得到最终的极移预报值;获取EOP中的极移分量数据,采用LS对所述极移分量数据中的指定项进行拟合并外推预报,获得极移参数序列的LS预报值,包括:在EOP基础数据中筛选预设时间段的极移分量数据PMX和PMY,确定预报间隔周期、预设预报时长和参考数据;以X方向常数项、X方向线性趋势项系数、第一X方向周年项系数、第二X方向周年项系数、第一X方向钱德勒项系数、第二X方向钱德勒项系数和时间变量,构建X方向极移观测序列;以Y方向常数项、Y方向线性趋势项系数、第一Y方向周年项系数、第二Y方向周年项系数、第一Y方向钱德勒项系数、第二Y方向钱德勒项系数和时间变量,构建Y方向极移观测序列;利用LS求解所述X方向极移观测序列和所述Y方向极移观测序列中的所有参数,得到所述极移参数序列的拟合残差与LS预报值;确定GA算法的种群初始化范围与适应度函数,得到优化后的GA算法,包括:对初始种群进行实数编码,确定种群初始化编码范围;确定短期PMX和短期PMY采用误差不经过网络反向的适应度函数,确定中期PMX、中期PMY、长期PMX和长期PMY采用误差经过网络反向的适应度函数。
全文数据:
权利要求:
百度查询: 武汉大学 基于GA算法优化BP神经网络的极移预报方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。