1.一种SSA‑BP神经网络与灰色模型卫星钟差预报方法,其特征在于,包括:获取卫星钟差数据,对所述卫星钟差数据进行处理,获得钟差序列;
获取所述卫星钟差数据包括:
从国际全球卫星导航系统服务组织的数据中心选择下载所述卫星钟差数据;
其中,所述卫星钟差数据包括:卫星钟差相位数据和频率数据;
对所述卫星钟差数据进行处理包括:
通过所述卫星钟差相位数据和所述频率数据的对应关系,将所述卫星钟差相位数据转化为频率数据,获得原始数据,利用中位数粗差探测法对所述原始数据进行粗差检测,获得粗差数据,将所述粗差数据进行剔除,并通过线性内插对所述原始数据进行补齐;
基于SSA‑BP神经网络与灰色模型对所述钟差序列进行预报,获取钟差预报结果;
基于所述SSA‑BP神经网络与所述灰色模型对所述钟差序列进行预报,获取钟差预报结果包括:基于所述卫星钟差数据建立所述灰色模型,利用所述灰色模型对所述钟差序列进行初步预报,获得初步预报值,将实测预报值与钟差预报值相减,获得残差值,利用所述SSA‑BP神经网络对所述残差值进行建模并进行外推预报,获得残差预报值,通过所述残差预报值和所述灰色模型对所述钟差序列进行后续预报,获得最终预报值,即所述钟差预报结果。
2.根据权利要求1所述的SSA‑BP神经网络与灰色模型卫星钟差预报方法,其特征在于,将所述卫星钟差相位数据转化为频率数据的方法为:其中,li为第i个历元所对应的相位数据;li+1为i+1个历元所对应的相位数据;yi为第i个历元所对应的相位数据的频率;Δt为相邻历元的采样间隔。
3.根据权利要求1所述的SSA‑BP神经网络与灰色模型卫星钟差预报方法,其特征在于,利用中位数粗差探测法对所述原始数据进行粗差检测的方法为:|yi|>m+n·M
其中,yi为频率数据;m为频率序列的中位数;n为适合数据序列的正整数;M为频率序列偏差的绝对值中位数;mandian为中位数运算符。
4.根据权利要求1所述的SSA‑BP神经网络与灰色模型卫星钟差预报方法,其特征在于,利用所述灰色模型对所述钟差序列进行初步预报的方法为:其中, 为累加生成序列的第k+1个数的预估值, 为原序列的第k+1个的值, 为累加生成序列的第k个预估值, 为累加生成的序列的预估值,为原始序列的预估值,k为第k个数据。
5.根据权利要求1所述的SSA‑BP神经网络与灰色模型卫星钟差预报方法,其特征在于,利用所述SSA‑BP神经网络对所述残差值进行建模并进行外推预报,包括:输入初始残差值,对所述残差值进行数据归一化处理;
确定初始BP神经网络的拓扑结构图,确定SSA的最大迭代次数及种群规模,定义发现者所占种群比例,以及设置预警值和预警者数量;
利用种群中的每个个体代表B神经网络中的初始权值和阈值,基于所述初始权值和所述阈值对所述BP神经网络进行训练,获取预测输出值,将所述预测输出值和实际输出值的误差绝对值求和作为适应度函数,获取当前全局最优解并确定对应的位置;
通过当前全局最优解并确定对应的位置,计算并更新发现者、加入者和警戒者的位置,基于更新后的位置,计算最优个体以及最佳适应度值,并基于所述归一化处理后的初始残差值种群,输出的预报结果即为模型预测中最优的权值和阈值,基于所述权值和阈值,获取所述SSA‑BP神经网络;
通过所述SSA‑BP神经网络对所述残差值进行建模并进行外推预报。
6.根据权利要求5所述的SSA‑BP神经网络与灰色模型卫星钟差预报方法,其特征在于,通过所述残差预报值和所述灰色模型对所述钟差序列进行后续预报包括:通过所述灰色模型对所述钟差序列进行后续预报,与对应的所述SSA‑BP神经网络预报的残差预报值相加。