[发明专利]灰色粒子群卫星钟差自适应预测方法及系统

摘要

一种灰色粒子群卫星钟差自适应预测方法及系统，通过在GM(1,1)模型中引入优化因子以及遗忘因子最小二乘法建立灰色粒子群模型，然后采用粒子群优化算法求得最佳优化因子，最终将最佳优化因子代入PGM(1,1)模型并进行钟差预测得到钟差的预测序列，本发明能够提高卫星钟差的预报精度，进而辅助精密单点定位接收机进行高精度实时定位解算，PGM(1,1)预报模型所需训练样本小，模型参数通过自适应方法调节，计算量较小，便于工程运用，且卫星钟差预报精度较高，误差控制在1ns以内。

主权项

1.一种灰色粒子群卫星钟差自适应预测方法，其特征在于，通过在GM(1,1)模型中引入优化因子以及遗忘因子最小二乘法建立灰色粒子群模型，然后采用粒子群优化算法求得最佳优化因子，最终将最佳优化因子代入PGM(1,1)模型并进行钟差预测得到钟差的预测序列；所述的方法具体包括以下步骤：1)对钟差的原始序列进行处理得到非负的等维序列x(0)＝{x(0)(1),x(0)(2),..x(0)(k).,x(0)(n)}其中：k＝1,2,...,n；2)对等维序列进行累加得到一次累加序列x⁽¹⁾ ＝ {x⁽¹⁾(1),x⁽¹⁾(2),..x⁽¹⁾(k).,x⁽¹⁾(n)} ， 其中：3)建立包含优化因子和遗忘因子最小二乘法的PGM(1,1)模型，具体包括以下步骤：3.1)通过对1‑AGO序列进行一次紧邻数据自适应寻优生成背景值z(1)＝{z(1)(2),z(1)(3),...,z(1)(n)}，其中：z(1)(k)＝ωx(1)(k)+(1‑ω)x(1)(k‑1)，k＝2,...,n，0≤ω≤1；3.2)建立灰微分方程x⁽⁰⁾(k)＝az⁽¹⁾(k)+b后，得到白化方程其中：a,b为模型待辨识参数；3.3)得到离散化后的初始解 其中：k＝1,2,...,n，1≤l≤k；3.4)引入发展系数λ和灰作用量θ后获得预测值k＝1,2,...,n；所述的优化因子包括：自适应权值ω、发展系数λ和灰作用量θ；4)采用PSO算法以历史钟差作为样本求解出最佳优化因子；5)将最佳优化因子代入PGM(1,1)模型；6)计算钟差的预测值。