基于极限学习机对卫星钟差预报的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·引言 | 第9-10页 |
| ·研究背景 | 第9-10页 |
| ·研究目的和意义 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·根据观测值实时估计卫星钟差的研究 | 第10-12页 |
| ·模型预报卫星钟差的研究 | 第12-13页 |
| ·本文的主要研究内容与结构 | 第13-14页 |
| 2 卫星钟差及其评估方法 | 第14-26页 |
| ·时间系统及其转换 | 第14-17页 |
| ·时间系统 | 第14-15页 |
| ·时间系统之间的转换 | 第15-17页 |
| ·IGS及其产品 | 第17-19页 |
| ·IGS | 第17-18页 |
| ·IGS产品 | 第18-19页 |
| ·GPS卫星钟性能评估 | 第19-22页 |
| ·频率准确度 | 第19-20页 |
| ·频率漂移率 | 第20-21页 |
| ·频率稳定度 | 第21-22页 |
| ·卫星钟差预报的精度评估方法 | 第22-25页 |
| ·星地距离与监测站双频伪距对比法 | 第22-23页 |
| ·SLR与GPS观测伪距比对法 | 第23-24页 |
| ·星地双向时间同步伪距对比法 | 第24页 |
| ·卫星激光双向测距比对法 | 第24-25页 |
| ·精密卫星钟差预测评估 | 第25页 |
| ·本章小结 | 第25-26页 |
| 3 卫星钟差预报的模型 | 第26-44页 |
| ·多项式模型 | 第26-27页 |
| ·灰色系统模型 | 第27-28页 |
| ·人工神经网络模型 | 第28-37页 |
| ·人工神经网络结构和前馈神经网络 | 第28-30页 |
| ·RBF神经网络模型 | 第30-32页 |
| ·极限学机原理及应用 | 第32-37页 |
| ·实验结果与分析 | 第37-42页 |
| ·本章小节 | 第42-44页 |
| 4 极限学习机的优化以及改进 | 第44-58页 |
| ·输入层到隐含层相连的权值与其偏差的优化 | 第44-46页 |
| ·粒子群算法 | 第44-46页 |
| ·交叉验证法 | 第46页 |
| ·激活函数的选择 | 第46-49页 |
| ·ELM的隐含层神经节点个数的优化 | 第49-53页 |
| ·ELM预测模型的改进 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-76页 |
