基于支持向量机的GNSS时间序列预测

• 作者: 徐丹丹 徐跃 田先才 贾雪 邓永春
• 来源期刊: 全球定位系统
• 学科: 地球科学
• 关键词: 全球定位系统 时间序列 预测 深度学习 支持向量机
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 理论与探讨
• 页码范围: 70-75
• 页数: 6页
• 分类号: P228.4
• 字数: 2153字
• 语种: 中文
• DOI: 10.13442/j.gnss.1008-9268.2019.02.010

摘要

在深度学习的理论框架下,针对预测全球卫星导航系统(GNSS)时间序列,传统的经验风险最小化预测模型误差大精度低,泛化性能差且对历史数据的经验依赖大的问题.提出一种采用结构风险最小化原则的基于支持向量机(SVM)的时间序列预测模型.通过和多层的BP神经网络预测模型预测效果比较,结果证明SVM预测模型拥有更好的时间序列预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓永春	安徽理工大学测绘学院	6	8	2.0	2.0
2	徐跃	安徽理工大学测绘学院	3	11	2.0	3.0
3	徐丹丹	安徽理工大学测绘学院	3	6	1.0	2.0
4	贾雪	安徽理工大学测绘学院	9	39	3.0	6.0
5	田先才	安徽理工大学测绘学院	2	2	1.0	1.0