為了進一步提高全球定位系統(tǒng)（GPS）進行噪聲分析或形變監(jiān)測的可靠性,根據(jù)高程時間序列的特點,提出1種基于混沌理論和長短期記憶神經(jīng)網(wǎng)絡（LSTM）的混合預測模型:對時間序列進行經(jīng)驗模態(tài)分解（EMD）并降噪,去除序列包含的白噪聲部分;求取時間序列的延遲時間,嵌入維數(shù)以及李雅普諾夫指數(shù),證明GPS高程站心坐標時間序列具有混沌特性;然后重構序列相空間;最后將相空間每1維特征向量作為LSTM的時間步輸入網(wǎng)絡進行訓練,建立預測模型。實驗結果表明,該方法能夠提高預測的可靠性,且模型具有一定的泛化能力。 

【文章來源】：導航定位學報. 2020,8(01)CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

均方根誤差（RMSE）對比

[10]則結合了混沌理論重構的多特征時間序列和GRNN方法，同時提高了RMSE和MAPE，說明了多特征預測的有效性。本文方法同樣利用混沌理論構建多特征，但采用了LSTM進行預測：得到的MAPE為2.82%，說明預測值與真值相對誤差��；而RMSE僅為0.0012，說明預測結果中異常點較少，其對應的觀測值物理意義為站心坐標預測值與真值間的平均誤差為1.2mm，這能夠滿足GPS靜態(tài)數(shù)據(jù)后處理的精度要求、在所列方法中，預測效果為最佳。各方法對SHAO站30d最佳的滾動預測效果圖見圖11。圖11SHAO站30d預測效果由圖11可知：LSTM方法和LSTM+CNN方法預測點擬合的整體趨勢較為平緩，對于序列的局部變化難以及時做出調整進行預測；而文獻[10]和本文方法由于使用了多特征，使得預測結果對于單調性以及凹凸性發(fā)生變化的點更為敏感，預測的趨勢更為準確。這也說明了為什么本文方法在訓練時，雖然誤差總體較小，但波動較大。2.3模型的泛化能力分析為說明本文提出的預測方法具有較好的泛化能力，本文針對WUHN站、LHAS站、BJFS站、XJSS站分別做了4種方法的預測實驗，預測效果如圖12所示。

1.9完成的。2.1預測模型的訓練綜合前文的分析，結合圖1可知，重構后的時間序列共有2340d，每1天的數(shù)據(jù)有4個維度，實驗選取了前2310d數(shù)據(jù)作為訓練數(shù)據(jù)，剩余部分作為測試數(shù)據(jù)，并且通過網(wǎng)格搜索法選取預測模型超參數(shù)，最終選定隱層數(shù)量為32層，每1隱層中的LSTM神經(jīng)元為30個，訓練輪數(shù)為500輪，學習率為0.001，批尺寸為64個。模型的輸入為重構后序列的第1~2309d數(shù)據(jù)，與之對應的輸出標簽為原始時間序列中第2~2310d數(shù)據(jù)，訓練過程中各方法的損失函數(shù)收斂情況如圖8所示。圖8損失函數(shù)收斂由圖8可知，在訓練集上，所有方法的loss收斂都很快。其中LSTM方法的loss最大，收斂后有一定的波動，LSTM+CNN的loss較之更低，且較穩(wěn)定。本文方法與文獻[10]方法的loss大小明顯小于前2種方法，說明在訓練集上更容易學到序列的變化模式，效果優(yōu)于前2種方法；不同在于本文方法loss波動較大，但總體看來loss略低于

【參考文獻】：
期刊論文
[1]基于隨機森林的長短期記憶網(wǎng)絡氣溫預測[J]. 陶曄,杜景林.  計算機工程與設計. 2019(03)
[2]基于VMD和GRNN的混沌時間序列預測[J]. 楊洪軍,徐娟娟,劉杰.  計算機仿真. 2019(03)
[3]基于數(shù)據(jù)挖掘的長短期記憶網(wǎng)絡模型油井產量預測方法[J]. 谷建偉,周梅,李志濤,賈祥軍,梁穎.  特種油氣藏. 2019(02)
[4]時間序列預測方法綜述[J]. 楊海民,潘志松,白瑋.  計算機科學. 2019(01)
[5]GPS/PWV時間序列特征提取方法的研究[J]. 胡廣保,葉世榕,張彥祥,夏朋飛,夏鳳雨.  大地測量與地球動力學. 2019(01)
[6]GNSS坐標時間序列分析理論與方法及展望[J]. 姜衛(wèi)平,王鍇華,李昭,周曉慧,馬一方,馬俊.  武漢大學學報(信息科學版). 2018(12)
[7]基于灰色RBF神經(jīng)網(wǎng)絡的空氣質量預測[J]. 方彥.  中國科技信息. 2018(22)
[8]長江上游徑流混沌動力特性及其集成預測研究[J]. 周建中,彭甜.  長江科學院院報. 2018(10)
[9]缺失GPS時間序列的神經(jīng)網(wǎng)絡補全[J]. 尹玲,尹京苑,孫憲坤,梁詩明,宋先月,陳晨.  測繪科學技術學報. 2018(04)
[10]HHT-EEMD用于IGS站高程時間序列分析[J]. 施闖,牛玉嬌,魏娜,樓益棟,張雙成.  大地測量與地球動力學. 2018(07)

碩士論文
[1]GPS坐標時間序列中信號與噪聲分析[D]. 李振宇.長安大學 2017
[2]基于混沌時間序列的航站樓離港旅客流量預測[D]. 郭圓圓.哈爾濱工業(yè)大學 2013



本文編號：3276701