基于小波降噪和神经网络的GPS高程时序预测模型

• 作者: 孙宪坤 尹玲 张仕森 李世玺
• 来源期刊: 全球定位系统
• 学科: 工学
• 关键词: 提升小波变换 阈值 全球定位系统 时间序列 长短期记忆神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 技术应用
• 页码范围: 117-125
• 页数: 9页
• 分类号: TP391
• 字数: 5320字
• 语种: 中文
• DOI: 10.13442/j.gnss.1008-9268.2019.03.018

摘要

全球定位系统(GPS)时序数据预测的工作中发现,通常时序数据中含有的噪声会干扰数据预测的结果.为了降低时序数据中噪声对预测结果的负面影响,将提升小波阈值降噪技术和长短期记忆(LSTM)神经网络相结合,实现一种GPS时序数据降噪预测模型.该模型在预测之前首先利用提升小波与平滑阈值函数对GPS时序数据中的噪声进行剥离,然后构建多层LSTM神经网络对时序数据进行单步预测.通过实验与多种时间序列预测模型进行对比,结果表明所提出的LSTM预测模型对GPS时间序列的预测具有较强的适用性和较高的准确性.

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	尹玲	上海工程技术大学电子电气工程学院	8	5	1.0	2.0
3	李世玺	上海工程技术大学电子电气工程学院	4	1	1.0	1.0
4	张仕森	上海工程技术大学电子电气工程学院	4	1	1.0	1.0