考虑噪声影响的MEMD-XGBoost方法在GNSS高程时间序列建模和预测中的应用

P228; 全球导航卫星系统(global navigation satellite system,GNSS)高程时间序列研究有助于监测和分析地壳板块运动,可以为研究人员判断区域运动趋势提供依据.基于经验模态分解和极端梯度提升算法构建了MEMD-XGBoost模型来预测分析GNSS高程时间序列.为了验证模型的预测性能,实验选取8个GNSS站高程时间序列数据进行预测实验,特征构造结果显示,多次经验模态分解可以准确地提取原始时间序列信息,提供有效特征.建模结果表明,MEMD-XGBoost模型可以有效改善数据质量.预测结果表明,MEMD-XGBoost 模型预测结果具有较高的精度和准确率,误差离散...

Full description

Saved in:
Bibliographic Details
Published in国防科技大学学报 Vol. 46; no. 6; pp. 149 - 158
Main Authors 鲁铁定, 李祯, 贺小星
Format Journal Article
LanguageChinese
Published 东华理工大学测绘与空间信息工程学院,江西南昌 330013 01.11.2024
自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室,江西南昌 330013%东华理工大学测绘与空间信息工程学院,江西南昌 330013%江西理工大学土木与测绘工程学院,江西赣州 341000
Subjects
empirical mode decomposition
modeling
预测
极端梯度提升
GNSS时间序列
prediction
经验模态分解
extreme gradient boosting
GNSS time series
建模
Online AccessGet full text
ISSN1001-2486
DOI10.11887/j.cn.202406016

Cover

More Information
Summary:P228; 全球导航卫星系统(global navigation satellite system,GNSS)高程时间序列研究有助于监测和分析地壳板块运动,可以为研究人员判断区域运动趋势提供依据.基于经验模态分解和极端梯度提升算法构建了MEMD-XGBoost模型来预测分析GNSS高程时间序列.为了验证模型的预测性能,实验选取8个GNSS站高程时间序列数据进行预测实验,特征构造结果显示,多次经验模态分解可以准确地提取原始时间序列信息,提供有效特征.建模结果表明,MEMD-XGBoost模型可以有效改善数据质量.预测结果表明,MEMD-XGBoost 模型预测结果具有较高的精度和准确率,误差离散程度较小,模型具有较强的稳定性和鲁棒性,可以较好地预测出 GNSS站高程方向的运动趋势和季节性变化.因此,该模型可以应用于GNSS高程时间序列建模和预测研究.
ISSN:1001-2486
DOI:10.11887/j.cn.202406016