来源：期刊VIP网 时间：
作者：卢朝茂;李明辉;宋本宁;彭帅;冯禹;于东俊;骆亚波;
单位：贵州大学省部共建公共大数据国家重点实验室;中国科学院国家天文台;长沙理工大学;
摘要：500 m口径球面射电望远镜(Five-hundred-meter Aperture Spherical Radio Telescope,FAST)的跟踪观测需要馈源的空间运动配合，馈源舱主要用于实现馈源的精调定位，因此馈源舱位置的高精度测量对FAST望远镜的高效运行意义重大。但当全站仪设备失效时，无法对采用Kalman算法的GPS/IMU融合测量结果进行修正，导致馈源舱测量精度下降。为了解决这个问题，设计了基于BP (back propagation)神经网络的预测模型，包括数据预处理、模型设计和模型训练验证。模型训练数据为FAST真实测量数据，数据量为40 GB左右。为了验证模型的泛化能力，选取三种运动轨迹数据对模型预测精度进行测试，结果显示，三种运动轨迹下精度都满足15 mm要求。
关键词：FAST;;馈源舱融合测量预测;;数据预处理;;BP神经网络;;时间序列
基金资助：国家自然科学基金(12363010,42274055);; 贵州省科技计划项目(黔科合基础-ZK[2023]一般039,黔科合支撑[2023]一般352)
