最小二乘支持向量机回归的卫星钟差非线性组合预报Nonlinear combined prediction of satellite clock error based on least squares support vector machines regression
雷雨,赵丹宁
摘要(Abstract)：
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。
关键词(KeyWords)： 卫星钟差;预报;组合;非线性;最小二乘支持向量机回归
基金项目(Foundation): 国家自然科学基金项目(10573019)
作者(Author): 雷雨,赵丹宁
DOI: 10.16251/j.cnki.1009-2307.2015.05.008
参考文献(References)：
- [1]郑作亚,卢秀山.几种GPS卫星钟差预报方法比较及精度分析[J].山东科技大学:自然科学版,2008,27(4):6-11,15.
- [2]崔先强,焦文海.灰色系统模型在卫星钟差预报中的应用[J].武汉大学学报·信息科学版,2005,30(5):447-450.
- [3]徐君毅,曾安敏.ARIMA(0,2,q)模型在卫星钟差预报中的应用[J].大地测量与地球动力学,2009,29(5):116-120.
- [4]郭承军,滕云龙.神经网络在卫星钟差短期预报中的应用研究[J].测绘科学,2011,36(4):198-200.
- [5]HUANG N E,WU M L,QU W D,et al.Applications of Hilbert-Huang Transform to Non-Stationary Financial Time Series Analysis[J].Applied Stochastic Models in Business and Industry,2003,19(3):245-268.
- [6]王继刚,胡永辉,何在民,等.组合模型预报导航卫星钟差[J].大地测量与地球动力学,2012,32(1):84-88.
- [7]张国平.B-G组合预测理论剖析[J].预测,1988,7(5):22-25.
- [8]马锐.人工神经网络原理[M].北京:机械工业出版社,2010.
- [9]VAPNIK V N.The Nature of Statistical Learning Theory[M].New York:Springer-Vertag,1995.
- [10]SUYKENS J A K,et al.Least Squares Support Vector Machines[M].Singapore:World Scientific,2002.
- [11]肖先勇,葛嘉,何德胜.基于支持向量机的中长期电力负荷组合预测[J].电力系统及其自动化学报,2008,20(1):84-88.
- [12]周德强.基于LS-SVM的道路交通事故的非线性组合预测[J].西华大学学报:自然科学版,2010,29(3):69-72.