[发明专利]一种基于Elman神经网络的轨道预测算法

权利要求书

1.一种基于Elman神经网络的轨道预测算法，其特征在于，包括：

将待预测的弹道导弹的轨道坐标输入Elman神经网络预测模型，输出预测的轨道坐标；

构建Elman神经网络预测模型，包括：

构建Elman神经网络模型；

将获取的侦察数据代入Elman神经网络模型进行迭代训练直到符合条件，输出最终的Elman神经网络预测模型。

2.根据权利要求1所述的一种基于Elman神经网络的轨道预测算法，其特征在于，

条件为条件一和条件二中的一个：

条件一，迭代次数达到设定的次数；

条件二，将测试数据代入Elman神经网络预测模型中，获得预测输出的弹道导弹的轨道坐标；将预测输出的弹道导弹的轨道坐标和对应时间的测试数据中弹道导弹的轨道坐标之间的误差与设定的阈值进行比较，若误差在设定的阈值范围内则表示Elman神经网络预测模型合格，否则重新迭代训练Elman神经网络模型。

3.根据权利要求1所述的一种基于Elman神经网络的轨道预测算法，其特征在于，

构建Elman神经网络模型：

y(k)＝g(w₃·x(k))

x(k)＝f(w₁·x_c(k))+w₂(u(k-1))

x_c(k)＝x(k-1)，

式中，y(k)为预测输出的弹道导弹的轨道坐标集合，m表示预测输出的弹道导弹的轨道坐标点数；x(k)为输入Elman神经网络模型的中间层节点单元向量，n为中间层节点数；u(k-1)为输入Elman神经网络模型的r维轨道坐标集合，r表示x(k)中弹道导弹的轨道坐标点数；x_c(k)为n维反馈状态向量；w₃为中间层到输出层连接权值；w₂为输入层到中间层连接权值；w₁为承接层到中间层的连接权值；g(*)是中间层输出的线性组合；f(*)为中间层神经元的传递函数。

4.根据权利要求3所述的一种基于Elman神经网络的轨道预测算法，其特征在于，

将获取的侦察数据代入Elman神经网络模型进行多次迭代训练，每完成一次迭代，更新一次w₁、w₂与w₃的值，包括：

Elman神经网络模型采用BP算法进行权值修正，BP算法的学习指标函数采用误差平方和函数：

式中，为实际上弹道导弹目标的轨道坐标向量，y_k(W)为与对应的Elman神经网络模型输出的y(k)；

基于下式获得更新后的w₁、w₂与w₃：

w_i＝w_iold+dw

式中i＝1，2，3，w_iold为w₁、w₂与w₃的初始值；dw为每次迭代的调整值，基于梯度下降法的策略，往负梯度的方向进行调整；其中η为学习率，取值范围为[0，1]；

将更新后的w₁、w₂与w₃代入Elman神经网络模型中迭代训练。