一种基于混沌理论和LSTM的GPS高程时间序列预测方法

作者：李世玺; 孙宪坤^*; 尹玲; 张仕森

来源：导航定位学报, 2020, 8(01): 65-73.

DOI：10.16547/j.cnki.10-1096.20200112

• 全球定位系统
• 高程时间序列
• 经验模态分解
• 混沌分析
• 长短期记忆神经网络
• 混合预测模型

为了进一步提高全球定位系统(GPS)进行噪声分析或形变监测的可靠性,根据高程时间序列的特点,提出1种基于混沌理论和长短期记忆神经网络(LSTM)的混合预测模型:对时间序列进行经验模态分解(EMD)并降噪,去除序列包含的白噪声部分;求取时间序列的延迟时间,嵌入维数以及李雅普诺夫指数,证明GPS高程站心坐标时间序列具有混沌特性;然后重构序列相空间;最后将相空间每1维特征向量作为LSTM的时间步输入网络进行训练,建立预测模型。实验结果表明,该方法能够提高预测的可靠性,且模型具有一定的泛化能力。

• 单位
  上海工程技术大学