在实测数据较少的情况下,采用何种模型能对GPS Block IIR(M)卫星钟差进行最佳预报?经研究发现,采用GM(1,1)-AR(p)复合模型进行1天短期预报的精度在1 ns之内,进行10天长期预报的精度在10 ns之内,这不仅优于二次多项式和GM(1,1)等传统钟...在实测数据较少的情况下,采用何种模型能对GPS Block IIR(M)卫星钟差进行最佳预报?经研究发现,采用GM(1,1)-AR(p)复合模型进行1天短期预报的精度在1 ns之内,进行10天长期预报的精度在10 ns之内,这不仅优于二次多项式和GM(1,1)等传统钟差预报模型,而且好于IGS(the International GPS Service for Geodynamics)提供的预报钟差7 ns的精度。展开更多
提出一种联合灰色模型(Grey Model,GM)和最小二乘支持机(Least-Squares Support Vector Machines,LS-SVM)回归算法的卫星钟差智能组合预报方法。首先根据历史钟差数据建立不同的GM(1,1)灰色模型,然后利用这些模型进行钟差预报,最后采用...提出一种联合灰色模型(Grey Model,GM)和最小二乘支持机(Least-Squares Support Vector Machines,LS-SVM)回归算法的卫星钟差智能组合预报方法。首先根据历史钟差数据建立不同的GM(1,1)灰色模型,然后利用这些模型进行钟差预报,最后采用最小二乘支持向量机回归算法对不同GM(1,1)模型的预报结果进行非线性组合,以获得最终预报值。该方法在充分利用灰色模型所需原始数据少、建模简单等优点的基础上,结合最小二乘支持向量机所具有的小样本、非线性、泛化能力强等特性,提高了预报可靠性和精度。实例验证了该组合方法的可行性、有效性和实用性。展开更多
文摘在实测数据较少的情况下,采用何种模型能对GPS Block IIR(M)卫星钟差进行最佳预报?经研究发现,采用GM(1,1)-AR(p)复合模型进行1天短期预报的精度在1 ns之内,进行10天长期预报的精度在10 ns之内,这不仅优于二次多项式和GM(1,1)等传统钟差预报模型,而且好于IGS(the International GPS Service for Geodynamics)提供的预报钟差7 ns的精度。
文摘提出一种联合灰色模型(Grey Model,GM)和最小二乘支持机(Least-Squares Support Vector Machines,LS-SVM)回归算法的卫星钟差智能组合预报方法。首先根据历史钟差数据建立不同的GM(1,1)灰色模型,然后利用这些模型进行钟差预报,最后采用最小二乘支持向量机回归算法对不同GM(1,1)模型的预报结果进行非线性组合,以获得最终预报值。该方法在充分利用灰色模型所需原始数据少、建模简单等优点的基础上,结合最小二乘支持向量机所具有的小样本、非线性、泛化能力强等特性,提高了预报可靠性和精度。实例验证了该组合方法的可行性、有效性和实用性。
