极限学习机在卫星钟差预报中的应用

作者：雷雨; 赵丹宁

来源：大地测量与地球动力学, 2013, (05): 53-57.

DOI：10.14075/j.jgg.2013.05.003

• 极限学习机
• 激励函数
• 径向基函数神经网络
• 卫星钟差
• 钟差预报 Extreme Learning Machine(ELM)
• activation function
• radial basis function neural network
• satellite clock error
• clock error prediction

将极限学习机引入卫星钟差预报,对比Sigmoidal、Sine和Hardlim三种激励函数对预报精度的影响,并与传统灰色系统模型和径向基函数神经网络进行比较。结果表明,极限学习机的预报精度优于另外两种模型,其学习速度也快于径向基函数神经网络,且基于Sigmoidal的激励函数最适合于钟差预报。

• 出版日期2013
• 单位中国科学院大学; 中国科学院国家授时中心