基于多变量LSTM的GPS坐标时间序列预测模型

• 作者: 胡向阳 孙宪坤 尹玲 李世玺 张仕森
• 来源期刊: 传感器与微系统
• 关键词: 多变量长短时记忆(LSTM) 关联度分析 全球定位系统(GPS)坐标 时间序列预测
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 研究与探讨|Research & Approach
• 页码范围: 40-43
• 页数: 4页
• 分类号: P228.4
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)03-0040-04

摘要

针对全球定位系统(GPS)坐标时间序列预测中存在精度不足的问题,提出一种基于多变量长短时记忆(LSTM)的GPS坐标时间序列预测模型.利用灰色关联度方法对同一地区不同观测站的GPS坐标时间序列数据进行关联度分析,找出与待预测数据(佘山站U向历史数据)关联度较强的数据.将待预测数据和与之关联度较强的其它数据作为多变量预测模型的输入,利用LSTM能够将现有的输入信息与历史输入信息相结合的特性,建立多变量LSTM模型.通过与ARIMA、单变量LSTM模型预测结果比较,证明该方法有更好的预测效果.