|
|||||
|
|
| 卫星遥测数据短时CEEMDAN-PSO-ELM预测模型 | |
| 引用本文： | 朱昶文,党建成,周军. 卫星遥测数据短时CEEMDAN-PSO-ELM预测模型[J]. 上海航天, 2020, 37(6): 107-114 |
| 作者姓名： | 朱昶文 党建成 周军 |
| 作者单位： | 上海卫星工程研究所，上海201109 |
| 摘 要： | 针对卫星遥测数据变化类型众多而导致传统预测模型难以准确预测的问题，提出一种基于自适应噪声完整集成经验模态分解(CEEMDAN)-粒子群(PSO)-极限学习机(ELM)的组合预测模型。首先对遥测序列进行CEEMDAN分解，以降低序列的非线性;然后利用PSO对ELM预测模型的输入权值和隐含层偏差进行优化;最后利用PSO-ELM预测模型分别预测分解后的序列，依次相加得到最终预测结果。将其应用在某在轨卫星实测数据中，与传统的预测模型比较。结果表明:该方法在平均绝对误差、平均绝对百分误差、均方根误差、标准均方误差指标上均最小，在曲线拐点处与真实数据最为接近。证明该模型能实现准确预测的功能。 |
| 关 键 词： | 卫星遥测序列 自适应噪声完整集成经验模态分解 粒子群优化算法 极限学习机 |
| 收稿时间： | 2019-04-29 |
| 修稿时间： | 2019-09-03 |
CEEMDAN-PSO-ELM Prediction Model for Satellite Short-Term Telemetry Data |
|
| ZHU Changwen,DANG Jiancheng,ZHOU Jun. CEEMDAN-PSO-ELM Prediction Model for Satellite Short-Term Telemetry Data[J]. Aerospace Shanghai, 2020, 37(6): 107-114 | |
| Authors: | ZHU Changwen DANG Jiancheng ZHOU Jun |
| Abstract: | |
| Keywords: | satellite telemetry sequences compete ensemble empirical mode decomposition with adaptive noise (CEEMDAN) particle swarm optimization (PSO) extreme learning machine (ELM) |
| 点击此处可从《上海航天》浏览原始摘要信息 | |
| 点击此处可从《上海航天》下载免费的PDF全文 | |