卫星遥测数据短时CEEMDAN-PSO-ELM预测模型

• 作者: 朱昶文 党建成 周军
• 来源期刊: 上海航天（中英文）
• 学科: 航空航天
• 关键词: 卫星遥测序列 自适应噪声完整集成经验模态分解 粒子群优化算法 极限学习机
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: ?专业纵论?
• 页码范围: 107-114
• 页数: 8页
• 分类号: V44
• 语种: 中文
• DOI: 10.19328/j.cnki.1006-1630.2020.06.015

摘要

针对卫星遥测数据变化类型众多而导致传统预测模型难以准确预测的问题,提出一种基于自适应噪声完整集成经验模态分解(CEEMDAN)-粒子群(PSO)-极限学习机(ELM)的组合预测模型.首先对遥测序列进行CEEMDAN分解,以降低序列的非线性;然后利用PSO对ELM预测模型的输入权值和隐含层偏差进行优化;最后利用PSO-ELM预测模型分别预测分解后的序列,依次相加得到最终预测结果.将其应用在某在轨卫星实测数据中,与传统的预测模型比较.结果表明:该方法在平均绝对误差、平均绝对百分误差、均方根误差、标准均方误差指标上均最小,在曲线拐点处与真实数据最为接近.证明该模型能实现准确预测的功能.