改进了基于SSA的GRU神经网络用于BDS-3卫星时钟偏差预测
Hongjie Liu1, Feng Liu1, Yao Kong2
1College of Computer Science, Xi'an Polytechnic University, Xi'an 710600, China.
Sensors (Basel, Switzerland)
|February 24, 2024
概括
本研究介绍了ITSSA-GRU模型,用于预测北斗导航卫星系统 (BDS-3) 中的卫星时钟偏差. 这种新的方法提高了高精度全球导航卫星系统 (GNSS) 定位的预测准确性.
科学领域:
- 卫星导航系统 卫星导航系统
- 地测和地质工程的工程.
- 在导航中使用人工智能
背景情况:
- 卫星时钟错误显著影响全球导航卫星系统 (GNSS) 的定位准确度.
- 准确预测卫星时钟偏差对于高精度定位应用至关重要.
- 像Gated Recurrent Unit (GRU) 这样的现有模型面临着超参数灵敏度和局部优化方面的挑战.
研究的目的:
- 为北斗导航卫星系统 (BDS-3) 开发一个先进的卫星时钟偏差预测模型.
- 提高现有神经网络模型的预测准确性和稳定性.
- 为了提高卫星时钟偏差预测的优化能力.
主要方法:
- 实现了一种新的改进搜索算法 (ITSSA) 结合一个门式循环单元 (GRU) 神经网络 (ITSSA-GRU).
- 增强Sparrow搜索算法 (SSA) 通过代混乱映射来实现人口初始化和t步优化来实现代更新.
- 对ITSSA-GRU与GRU,长短期记忆 (LSTM) 和GM(1,1) 模型进行比较分析,使用来自MEO,IGSO和GEO轨道的BDS-3卫星时钟偏差数据.
主要成果:
- ITSSA-GRU模型在所有测试的卫星轨道类型 (MEO,IGSO,GEO) 中展示了卓越的概括能力和预测性能.
- 拟议的模型在预测卫星时钟偏差方面显著超过了SSA-GRU,GRU,LSTM和GM(1,1).
- ITSSA内部的增强优化战略有效地解决了GRU的局限性.
结论:
- ITSSA-GRU模型为BDS-3系统中的卫星时钟偏差预测提供了强大而准确的解决方案.
- 这种新方法为提高GNSS定位精度提供了有价值的工具.
- 这些发现强调了混合AI优化方法在提高卫星导航精度方面的潜力.
