缺失GPS时间序列的神经网络补全

• 作者: 孙宪坤 宋先月 尹京苑 尹玲 梁诗明 陈晨
• 来源期刊: 测绘科学技术学报
• 学科: 地球科学
• 关键词: 全球定位系统 长短时记忆神经网络 时间序列补全 时间序列预测 时空相关知识
• 年，卷（期）: 2018,（4）
• 页码范围: 331-336
• 页数: 6页
• 分类号: P228
• 字数: 4804字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6338.2018.04.001

摘要

在GPS时间序列数据补全问题中,针对在空间点位分布稀疏、观测值连续缺失情况下传统补全效果不佳的问题,提出了一种基于深度学习的补全方法.针对时间序列中存在连续大量缺失的情况,设计了基于长短时记忆神经网络的补全模型;使用待补全站时间序列中可用的数据训练模型,合并使用日期数据增强训练效果,使模型学习到隐式蕴含在序列中的时空相关知识,预测序列缺失处的值.用IGS基准站SHAO的1999—2017年有缺失的时间序列进行实验;并与时间序列预测的传统经典方法Seasonal ARIMA进行了比较.实验结果表明:在待补全站观测值缺失较多时,提出的方法依然可以取得很好的补全效果;在补全较长连续缺失时,无论是在预测精度还是对原始序列形态的模拟上,表现均优于Seasonal ARIMA.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙宪坤	上海工程技术大学电子电气工程学院	26	47	4.0	6.0
2	梁诗明		12	44	3.0	6.0
3	尹玲	上海工程技术大学电子电气工程学院	8	5	1.0	2.0
4	尹京苑		1	3	1.0	1.0
5	宋先月		1	3	1.0	1.0
6	陈晨	上海工程技术大学电子电气工程学院	11	29	2.0	5.0