典型文献
GNSS坐标非线性变化的差分长短时记忆网络预测
文献摘要：
为了改进GNSS坐标非线性变化的预测方法,获得更高的预测精度,该文提出了一种基于一阶差分和长短时记忆(LSTM)网络的坐标非线性变化预测方法.首先综合利用奇异值分解和最大互信息系数准则对坐标时间序列进行降噪处理得到真实的非线性变化,接着利用谐波模型对其中的周期项进行提取和预测,剩余的未模型化成分经过一阶差分后采用LSTM网络进行预测,然后将两个预测结果进行综合得到坐标非线性变化的高精度预测结果.实验结果显示,该方法在20d的预测步长内的平均绝对误差达1 mm以内,相比谐波模型、ARIMA模型和未经一阶差分的LSTM模型的预测方法精度至少提升了78％、25％和22％,具有更高的预测精度.同时经过对比也证明了该方法具有更好的适用性.
文献关键词：
坐标非线性变化;时间序列预测;长短时记忆;移动平均自回归;时间序列降噪
中图分类号：
作者姓名：
贾彦锋;朱新慧;叶家彬;纪秀美
作者机构：
信息工程大学 地理空间信息学院,郑州 450001;中建七局交通建设有限公司,郑州 450001;31002部队,北京 100094
文献出处：
引用格式：
[1]贾彦锋;朱新慧;叶家彬;纪秀美-.GNSS坐标非线性变化的差分长短时记忆网络预测)[J].测绘科学,2022(10):89-95
A类：
坐标非线性变化
B类：
GNSS,分长,长短时记忆网络,一阶差分,变化预测,奇异值分解,最大互信息系数,坐标时间序列,降噪处理,理得,谐波模型,周期项,模型化,精度预测,20d,步长,平均绝对误差,ARIMA,少提,时经,时间序列预测,移动平均自回归,时间序列降噪
AB值：
0.260726
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
