Indexed by：
Abstract：
本发明公开了一种基于遗传算法优化小波神经网络的铯喷泉钟钟与氢钟频差预估方法，属于原子时标的技术领域。本发明对铯原子喷泉钟和氢钟频差数据进行预处理，包括离群值检测和缺失数据拟补。根据频差数据的特征确定小波神经网络的输入层、隐含层、隐含层的个数及小波基的选取，为进一步提高喷泉钟数据预估的精度和预估稳定性，建立了基于遗传算法优化小波神经网络的喷泉钟数据预估模型。对喷泉钟驾驭氢钟组预估中，首次使用遗传小波神经网络进行预测，其预测精度与现行的线性预测相比大大提高，且数据更加平稳，从而提高了喷泉钟驾驭氢钟组的驾驭精度，为产生稳定度和准确度更高的TA(NIM)提供了更精确的依据。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN201710750872.3
Filing Date： 2017-08-28
Publication Date： 2017-12-22
Pub. No.： CN107505829A
Applicants： 北京工业大学
Legal Status： 驳回
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
