最小二乘支持向量机回归的卫星钟差非线性组合预报

针对应用单一方法预报卫星钟差的局限性,文章提出了基于最小二乘支持向量机回归的卫星钟差非线性组合预报方法:首先根据历史钟差数据建立二次多项式模型和灰色模型,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两种模型的预报结果进行非线性组合,以获得最终预报值;对比了RBF核函数、线性核函数和多项式核函数对组合预报性能的影响,并将本文组合预报方法与经典权组合方法进行比较。结果表明,本文方法优于经典权法,且线性核函数更适合组合预报。     

GPS高程拟合支持向量机模型

为了快速获取GPS高程异常值,提出了基于最小二乘支持向量机（LS—SVM）的GPS高程异常值求取模型,介绍了最小二乘支持向量机的原理与优越性。利用该模型进行了高程异常的拟合,并对已知点进行了检验。结果表明：其结果是可靠的,在有限样本情况下完全可以达到传统GPS高程拟舍的效果,且其实现起来更简单,具有一定的科学性和实用性。     

基于Matlab的GPS高程异常的支持向量机模型

全球定位系统(GPS)高程测量成果不如传统方法测量的精度高,并存在高程异常问题,通过引入最小二乘支持向量机原理,建立GPS支持向量机高程异常模型,构建GPS高程异常模型的MATLAB程序,大大提高了高程测量精度。阐述了实现GPS高程异常拟合的关键技术。     

粒子群最小二乘支持向量机在GPS高程拟合中的应用

针对传统的GPS高程拟合方法要求有足够多样本数据的缺陷,本文采用粒子群(PSO)算法优化最小二乘支持向量机(LSSVM)参数的方法进行GPS高程拟合。实验表明,在有限样本的情况下,PSO-LSS-VM模型不仅发挥了LSSVM处理小样本数据的能力,而且通过PSO优化后的LSSVM能够选择出合适的参数;与LM-BP神经网络、标准最小二乘支持向量机等方法比较,PSO-LSSVM模型拟合精度较高。     

基于最小二乘支持向量机回归的GPS高程转换模型

探讨了将最小二乘估计引入到支持向量机中,给出最小二乘支持向量机回归(LS-SVR)算法,该算法用等式约束代替传统支持向量机回归中的不等式约束,使得求解过程更为简单。将构建的LS-SVR模型应用到GPS高程转换中,提出该回归模型的实现步骤。实例表明,在有限样本情况下,LS-SVR完全可以达到与传统GPS高程拟合方法相同的精度,但实现起来更简单,而且在泛化性能方面具有理论上的保证。     

灰色最小二乘支持向量机在滑坡变形预测中的应用

结合灰色系统思想与最小二乘支持向量机构成灰色最小二乘支持向量机,根据目前灰色模型与最小二乘支持向量机结合的方法,提出并联型、串联型和残差型三种预测模型的结构.将上述三种灰色最小二乘支持向量机模型用于对三峡库区石佛寺滑坡垂直位移进行预测,模型精度和预测结果比较理想,优于单一预测模型.试验表明:灰色最小二乘支持向量机可提高预测精度,用于滑坡变形预测是有效可行的.     

数据预处理对最小二乘支持向量机预报钟差的影响

分析在基于最小二乘支持向量机的卫星钟差预报中样本数据预处理的必要性,列举了归一化、标准化和相邻历元一次差3种数据预处理方法。然后结合实例,对比分析不同数据预处理方法对基于最小二乘支持向量机的钟差预报精度的影响,得出不同方法对钟差预报精度的影响不同,其中,基于一次差方法的预报精度最高。最后,将基于一次差方法的最小二乘支持向量机预报模型与常用的二次多项式模型和灰色系统模型进行比较,结果表明,最小二乘支持向量机模型的预报效果明显优于两种常规模型。     

小波去噪的灰色最小二乘支持向量机变形预测

针对变形监测数据的随机性和非平稳性,以及单一预测模型的不足,该文提出了基于小波去噪的灰色最小二乘支持向量机变形预测模型。采用小波去噪对原始数据进行降噪处理,减弱数据随机扰动的影响,建立灰色最小二乘支持向量机模型,并采用粒子群算法寻找最优参数。通过大坝位移监测数据实例对模型进行验证,并与灰色模型、最小二乘支持向量机以及灰色最小二乘支持向量机进行对比分析。实验结果证明,该模型预测精度更高、稳定性更强。     

灰色最小支持向量机模型在高程拟合中的应用

针对传统单一灰色最小二乘支持向量机(GLSSVM)高程拟合方法的不足以及LSSVM模型参数选择的随机性,该文提出了一种基于PSO-GA算法优化的灰色最小二乘支持向量机高程拟合模型。模型将灰色模型与最小二乘支持向量机模型相结合,建立GLSSVM模型,并结合粒子群算法与遗传优化算法寻找GLSSVM模型的最优参数组合。为进一步验证提出模型的可靠性与有效性,通过具体工程实例,并将拟合结果分别与粒子群算法优化的最小二乘支持向量机模型(PSO-GLSSVM),遗传算法优化的最小二乘支持向量机模型(GA-GLSSVM)及单一GLSSVM模型进行对比分析,结果表明,PSO-GA-GLSSVM模型拟合精度更好,可靠性更高,为高程拟合研究提供了一种思路。     

基于小波变换和最小二乘支持向量机的卫星钟差预报

提出了一种基于小波变换和最小二乘支持向量机的卫星钟差预报方法。首先通过小波变换把钟差时间序列分解成具有不同频率特征的分量,然后根据各分量的特点构建不同的最小二乘支持向量机模型进行预报,最后将各分量的预报结果进行叠加得到最终的钟差预报值。实验结果表明,该方法的预报效果优于单一的最小二乘支持向量机模型以及常规的二次多项式模型和灰色系统模型。     

多面函数模型中核函数个数对GPS高程拟合精度影响分析

在局部地区GPS高程拟合中,选择不同的拟合模型和方法会对GPS高程拟合的精度产生很大的影响。本文通过对多面函数拟合模型中不同核函数中心点个数选择对GPS高程拟合精度影响的研究,通过实例计算分析得到结论:核函数中心点因个数选取的不同,对GPS高程拟合精度的影响较大,在采用多面函数模型拟合GPS高程时,应该考虑核函数中心点个数的选择问题。     

基于高斯过程的精密卫星钟差加密

将高斯过程方法应用到精密卫星钟差加密中,通过选择合适的核函数,将5 min间隔的钟差数据插值到30 s间隔。将结果与IGS提供的30 s精密钟差数据和四阶多项式拟合插值方法得到的结果进行比较,结果表明,高斯过程方法具有较高的加密精度,适用于GPS所有在轨卫星的原子钟钟差的加密,达到厘米级精度。     

GPS芯片开发及授时性能分析

GPS接收机的核心器件即为GPS OEM板(即GPS芯片),对其直接进行开发,在使用上具有灵活方便、经济实用、便于融合等优点。本文以Motorola M12MT+TIMING ONCORE型GPS OEM板为例,论述了GPS OEM板的具体开发使用过程和相关注意事项,并对其授时性能、1pps(秒脉冲)输出的特点等进行了研究,提供了用其实现精确授时的方法,并对授时精度进行了分析,对于测量中精确数字授时的实现具有一定的实际意义。     

多面函数法在丘陵区GPS水准拟合中的应用研究

为提高丘陵地区GPS水准拟合精度,建立适合当地测区的拟合模型,采用多面函数法对高程异常进行拟合。通过实例对模型关键问题和拟合精度进行了分析,重点研究光滑因子的选取对核函数的影响,并与二次曲面拟合法相对比,进行了精度分析。     

利用克里格法对GPS高程拟合的实践

简要介绍了标准克里格法和泛克里格法进行高程拟合的理论和方法,以实例验证了标准克里格和泛克里格法在小区域GPS高程拟合的效果.研究结果表明,如果选择合适的变异函数模型,泛克里格法能明显提高拟合精度,且具有拟合残差振荡小、变化平缓等优点.     

GPS结构振动监测数据滤波方法及其性能实验研究

使用GPS监测结构振动的目的在于提取振动信号特征,但GPS观测量受多种误差源的影响,因此,选用合理的数据处理方法有效地分离各误差项,对于提高GPS的监测精度具有重要意义。将Vondrak滤波、小波滤波、自适应FIR滤波和卡尔曼滤波等四种方法应用于资料序列中振动信号的分离,通过对模拟振动实验观测资料的分析表明:运用滤波法可提高GPS测量微小动态变形和变频振动信号的检测能力;4种滤波法均能有效地提高GPS监测结构振动的精度,其中,Vondrak滤波和小波滤波的性能相当,且优于自适应FIR和卡尔曼滤波。同时,在对各滤波法参数选择的优缺点进行分析的基础上,提出不同情况下选择滤波器的建议。     

GPS-RTK技术在地籍测量中的应用

随着近些年GPS RTK技术的出现以及GPS空间定位精度的不断提高,GPS RTK已被广泛地应用于控制测量、地籍测量、地形图测量中。本文结合地籍测绘工作实践重点介绍了RTK技术的基本原理、优势以及应用注意的问题等,可见GPS RTK技术在确保测量成果精度可靠性的前提下,很大程度上提高测图作业效率的明显优势。     

基于指数平滑法的GPS卫星钟差预报

提出了一种基于指数平滑法的GPS卫星钟差预报方法。该方法可采用少量数据建模,且计算过程简单、方便,尤其是在缺少相关历史数据或数据变化趋势不明显、不稳定的情况下,用该方法仍可取得较好的效果。通过与GPS卫星钟差预报中常用的二次多项式模型和灰色预测模型的对比分析,结果表明:指数平滑法适用于GPS卫星钟差的中、短期预报,其预报精度可达ns级;在利用小数据量建模的情况下,其预报效果优于二次多项式模型,与灰色模型的预报效果基本相当;该方法还可用于GPS卫星钟差的长期预报,其预报精度可达μs级,与灰色预测模型的精度相当。