Application of neural networks for predicting selected time scales on the basis of UTC and UTCr scales

• Autorzy: Sobolewski Ł. , Miczulski W.

Identyfikatory

DOI

10.15199/48.2016.10.58

Warianty tytułu

PL

Zastosowanie sieci neuronowych do prognozowania wybranych skal czasu na podstawie skal UTC i UTCr

• Języki publikacji: EN

Abstrakty

EN

The paper presents research results on predicting the [UTC - UTC(k)] deviations by the means of GMDH-type neural network and data prepared in the form of time series built on the basis of [UTC - UTC(k)] and [UTCr - UTC(k)] deviations for the Austrian Timescale UTC(BEV) and the Lithuanian Timescale UTC(LT). The obtained results confirmed the possibility of applying the UTC Rapid scale for predicting the [UTC - UTC(k)] deviations by the means of GMDH-type neural network.

PL

W pracy przedstawiono wyniki badań nad prognozowaniem odchyleń [UTC - UTC(k)] przy użyciu sieci neuronowej typy GMDH i danych przygotowanych w formie szeregu czasowego, zbudowanego na podstawie wartości odchyleń [UTC - UTC(k)] oraz [UTCr - UTC(k)], dla Austriackiej Skali Czasu UTC(BEV) oraz Litewskiej Skali Czasu UTC(LT). Otrzymane wyniki badań potwierdziły możliwość zastosowania skali UTC Rapid do prognozowania odchyleń [UTC - UTC(k)] w oparciu o sieci neuronowe typu GMDH.

Słowa kluczowe

EN

timescale UTC(PL); atomic clock; neural network

PL

skala czasu UTC(PL); zegar atomowy; sieci neuronowe

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2016
• Tom: R. 92, nr 10
• Strony: 258--261
• Opis fizyczny: Bibliogr. 18 poz., rys., tab., wykr.

Twórcy

autor

Sobolewski Ł.

• Uniwersytet Zielonogórski, Instytut Metrologii, Elektroniki i Informatyki, ul. prof. Z. Szafrana 2 65-516 Zielona Góra

autor

Miczulski W.

• Uniwersytet Zielonogórski, Instytut Metrologii, Elektroniki i Informatyki, ul. prof. Z. Szafrana 2 65-516 Zielona Góra

Bibliografia

• [1] BIPM Annual Report on Time Activities, vol. 9, Sevres BIPM, 2014
• [2] Bernier L. G., Use of the Allan Deviation and Linear Prediction for the Determination of the Uncertainty on Time Calibrations Against Predicted Timescales, IEEE Transactions on Instrumentation and Measurement, 52 (2003), 483-486
• [3] Czubla A., Konopka J., Nawrocki J., 2006 Realization of atomic SI second definition in context UTC(PL) and TA(PL), Metrology and Measurement Systems, 2 (2006), 149-159
• [4] Davis J. A., Shemar S. L., Whibberley P. B., A Kalman filter UTC(k) prediction and steering algorithm, Proc. Joint IEEE FCS EFTF (San Francisco, USA, 2-5 May 2011), 779-784
• [5] Panfilo G., Tavella P., Atomic clock prediction based on stochastic differential equations, Metrologia, 45 (2008), 108- 116
• [6] Kaczmarek J., Miczulski W. , Kozioł M., Czubla A., Integrated system for monitoring and control of the national time and frequency standard, IEEE Transactions on Instrumentation and Measurement, 62 (2013), 2828-2838
• [7] Luzar M., Sobolewski Ł., Miczulski W., Korbicz J., Prediction of corrections for the Polish time scale UTC(PL) using artificial neural networks, Bulletin of the Polish Academy of Sciences: Technical Sciences, 61 (2013), 589-594
• [8] Miczulski W., Sobolewski Ł., Influence of the GMDH neural network data preparation method on UTC(PL) correction prediction results, Metrology and Measurement Systems, 19 (2012), 123-132
• [9] Sobolewski Ł., Predicting the corrections for the Polish Timescale UTC(PL) using GMDH and GRNN neural networks, Proc. Eur. Frequency Time Forum (Neuchatel, Switzerland, 23-26 June 2014), 475-478
• [10] Liao C. S., Chu F. D., Lin H. T., Tu K. Y., Chung Y. W., Hsu W. C., Formation of a paper neural-fuzzy time scale in the Eastern Asia, Joint IEEE FCS EFTF (San Francisco, USA, 2-5 May 2011), 292-295
• [11] Norgard M., Ravn O., Poulsen N., Hansen L., Networks for Modelling and Control of Dynamic Systems, Springer Verlag, 2000
• [12] Tadeusiewicz R., About usefulness of neural networks in electrical engineering problems, Electrical Review, 85 (2009), 200-211
• [13] Korbicz J., Artificial neural networks and their application in electrical and power engineering, Electrical Review, 9 (2009), 194-200
• [14] Nelles O., Nonlinear System Identification. From Classical Approaches to Neural Networks and Fuzzy Models, Springer Verlag, 2001
• [15] Sobolewski Ł., Predicting the Polish timescale UTC(PL) based on the corrections designated by the UTC and UTCr scale, Proc. Joint UFFC EFTF and PFM (Prague, Czech Republic, 21-25 July 2013), 658-661
• [16] Onwubolu G., GMDH - Methodology and Implementation in C, Imperial College Press, 2015
• [17] Farlow S. J., Self-organizing Methods in Modelling: GMDHtype Algorithms, Marcel Dekker, 1984
• [18] Caldwell R. B., Performance metrics for neural networkbased trading system development, NeuroVest Journal, 3 (1995), 22-26

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.