朱明晨,赵　平,陈伟荣

(1.铜陵学院 建筑工程学院，安徽 铜陵 244061；2.东南大学 交通学院，江苏 南京 210096)



基于BP神经网络的霍普菲尔德模型改进研究

朱明晨1,赵平1,陈伟荣2

(1.铜陵学院 建筑工程学院，安徽 铜陵 244061；2.东南大学 交通学院，江苏 南京 210096)

摘要：为了分析对流层延迟的时空变化规律、提高对流层延迟的改正精度,利用BP神经网络处理非线性问题的优势，改进传统的霍普菲尔德模型得到一种新的融合模型(Hop+BP模型)。分别对比Hop+BP模型与传统的霍普菲尔德模型、多元线性回归模型、BP神经网络等模型的计算结果，得到如下结论：霍普菲尔德模型存在一个明显的系统误差，精度较低；多元线性回归的预测精度有所提高，但是其本质是将数据强制拟合，缺少物理解释，难以推广使用；传统的BP神经网络的计算精度较之霍普菲尔德模型有80%的提高，但存在明显的不稳定性；Hop+BP模型具有预测精度高、稳定性好等优点，预测中误差为1.1 cm，明显优于传统方法。

关键词：霍普菲尔德模型；BP神经网络；多元线性回归；精度分析

随着各国卫星大地测量技术的快速发展，GNSS导航定位系统应用的广度和深度都在不断扩展和加深，与此同时对该系统的精度要求也在不断提高，精确计算对流层延迟不仅可以大幅度提高GNSS导航和定位的精度，还可以转换求得大气中的水汽含量进而反演大气可降水量，同时还可以校正InSAR图像以提高遥感图像的质量。目前计算对流层延迟的经验模型主要有：霍普菲尔德模型、萨斯塔莫宁模型、勃兰克模型以及基于数值天气预报模型的EGNOS、UNB3模型等[1]。……