基于粒子群优化核极限学习机的北斗超快速钟差预报

针对卫星钟差序列中非线性特性较为复杂和超快速钟差预报精度较低的问题，将核极限学习机算法引入到北斗超快速钟差预报中。首先，将极限学习机进行优化，引入粒子群优化算法来选择核极限学习机所需的核参数和正则化参数；然后，将优化后的方法应用到超快速钟差预报中，并给出了利用该方法进行超快速钟差预报的步骤；最后，在分析iGMAS提供的实测北斗超快速钟差数据的基础上，选用单天和多天数据进行短期预报。结果表明：在短期预报6h范围内，利用本文提供的优化方法解算得到的超快速钟差预报精度明显优于二次多项式模型和周期项模型，并且采用此方法得到的超快速钟差预报产品与iGMAS提供的超快速钟差预报产品(ISU-P)相比，GEO、IGSO和MEO卫星的预报精度分别提升了50.51%、46.98%、40.67%，其与最终精密钟差的符合程度显著 增强 。