|
|||||
|
|
| 基于小波降噪和神经网络的GPS高程时序预测模型 | |
| 作者姓名： | 张仕森 孙宪坤 尹 玲 李世玺 |
| 作者单位： | 上海工程技术大学 电子电气工程学院,上海201620 |
| 摘 要： | 全球定位系统（GPS）时序数据预测的工作中发现，通常时序数据中含有的噪声会干扰数据预测的结果.为了降低时序数据中噪声对预测结果的负面影响，将提升小波阈值降噪技术和长短期记忆（LSTM）神经网络相结合，实现一种GPS时序数据降噪预测模型.该模型在预测之前首先利用提升小波与平滑阈值函数对GPS时序数据中的噪声进行剥离，然后构建多层LSTM神经网络对时序数据进行单步预测.通过实验与多种时间序列预测模型进行对比，结果表明所提出的LSTM预测模型对GPS时间序列的预测具有较强的适用性和较高的准确性. |
| 关 键 词： | 提升小波变换 阈值 全球定位系统 时间序列 长短期记忆神经网络 |
| 点击此处可从《全球定位系统》浏览原始摘要信息 | |
| 点击此处可从《全球定位系统》下载免费的PDF全文 | |