基于神经网络的精密时基源校准预测模型

针对精密时基源溯源校准周期固定、效率低,提出基于BP神经网络构建精密时基源校准预测模型,可为溯源校准提供新方法。首先分析精密时基源校准参数产生机理及预测目标的影响因素,分别构建时间驱动和数据驱动校准预测模型;其次基于BP神经网络学习规则,归一化处理训练及预测数据,规避数据特征、分布差异对预测模型的不良影响;最后根据预测目标选择不同校准预测模型。通过仿真分析表明,时间驱动预测精度优于数据驱动预测精度,且两种预测模型预测误差均在10–10量级上,满足预测精度要求。