一种基于混沌理论和LSTM的GPS高程时间序列预测方法

• 作者: 孙宪坤 尹玲 张仕森 李世玺
• 来源期刊: 导航定位学报
• 学科: 地球科学
• 关键词: 全球定位系统 高程时间序列 经验模态分解 混沌分析 长短期记忆神经网络 混合预测模型
• 年，卷（期）: 2020,（1）
• 页码范围: 65-73
• 页数: 9页
• 分类号: P228
• 字数: 5331字
• 语种: 中文

摘要

为了进一步提高全球定位系统(GPS)进行噪声分析或形变监测的可靠性,根据高程时间序列的特点,提出1种基于混沌理论和长短期记忆神经网络(LSTM)的混合预测模型:对时间序列进行经验模态分解(EMD)并降噪,去除序列包含的白噪声部分;求取时间序列的延迟时间,嵌入维数以及李雅普诺夫指数,证明GPS高程站心坐标时间序列具有混沌特性;然后重构序列相空间;最后将相空间每1维特征向量作为LSTM的时间步输入网络进行训练,建立预测模型.实验结果表明,该方法能够提高预测的可靠性,且模型具有一定的泛化能力.

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