基于高斯过程的日长变化预报

发布时间：2018-06-19 12:12

  本文选题：天体测量 + 时间　； 参考：《天文学报》2015年01期

【摘要】：由于日长(length-of-day,LOD)变化具有复杂的时变特性,传统线性模型如最小二乘外推模型、时间序列分析模型等的预报效果往往不甚理想,所以将一种新型的机器学习算法—高斯过程(Gaussian processes,GP)方法用于LOD变化预报,并将预报结果同利用反向传播神经网络(back propagation neural networks,BPNN)和广义回归神经网络(general regression neural networks,GRNN)的预报结果以及地球定向参数预报比较竞赛(Earth Orientation Parameters Prediction Comparison Campaign,EOP PCC)的预报结果进行对比.结果表明,GP用于LOD变化预报是高效可行的.
[Abstract]:Because of the complex time-varying characteristics of length-of-day (LOD) variation, traditional linear models, such as least square extrapolation model and time series analysis model, often have poor prediction results. Therefore, a new machine learning algorithm, Gaussian processes GP-based, is used to predict the variation of Gao Si. The prediction results are compared with those using backpropagation neural network back propagation neural networks and generalized recurrent neural network general regression neural networks GRNN) and the Earth orientation parameters prediction comparison contest. The prediction results are compared with those of EOP PCCs. The results show that it is effective and feasible to apply GP to LOD change prediction.
【作者单位】： 中国科学院国家授时中心;中国科学院时间频率基准重点实验室;中国科学院大学;
【基金】：国家自然科学基金项目(10573019)资助
【分类号】：P127

【参考文献】

中国期刊全文数据库 前6条

1 刘冬;张清华;;基于高斯过程的精密卫星钟差加密[J];测绘学报;2011年S1期

2 ;Real-time rapid prediction of variations of Earth's rotational rate[J];Chinese Science Bulletin;2008年07期

3 王琪洁;廖德春;周永宏;;地球自转速率变化的实时快速预报[J];科学通报;2007年15期

4 张晓红;王琪洁;朱建军;张昊;;两种样本输入方式下基于GRNN的日长变化预报结果的比较[J];中国科学院上海天文台年刊;2011年00期

5 何志昆;刘光斌;赵曦晶;王明昊;;高斯过程回归方法综述[J];控制与决策;2013年08期

6 张晓红;王琪洁;朱建军;张昊;;广义回归神经网络在日长变化预报中的应用[J];天文学报;2011年04期

【共引文献】

中国期刊全文数据库 前10条

1 徐君毅;;基于截距修正的GM(1,1)模型在极移预测中的应用[J];大地测量与地球动力学;2010年01期

2 张昊;王琪洁;朱建军;张晓红;;最小二乘外推与ARIMA(P,1,0)组合模型在极移短期预报中的应用[J];大地测量与地球动力学;2011年03期

3 王宇谱;吕志平;;小波神经网络日长预报算法研究[J];大地测量与地球动力学;2012年01期

4 许雪晴;周永宏;;地球定向参数高精度预报方法研究[J];飞行器测控学报;2010年02期

5 ;Prediction of earth rotation parameters based on improved weighted least squares and autoregressive model[J];Geodesy and Geodynamics;2012年03期

6 王小辉;王琪洁;丁元兰;刘建;;基于二次曲面和BP神经网络组合模型的GPS高程异常拟合[J];大地测量与地球动力学;2012年06期

7 孙张振;徐天河;范朋飞;;基于LS+AR模型的极移预报及其周期项影响分析[J];测绘通报;2012年S1期

8 孟繁智;王成余;刘文祥;欧钢;;基于锚固站的UT1-UTC预报误差抑制技术[J];电讯技术;2013年04期

9 徐爱功;徐宗秋;隋心;;卫星轨道与钟差对精密单点定位精度的影响[J];测绘通报;2013年05期

10 雷雨;赵丹宁;;IGS精密钟差文件的读取及加密方法[J];地理空间信息;2013年03期

中国重要会议论文全文数据库 前6条

1 许雪晴;周永宏;;地球定向参数预报方法研究进展[A];中国地球物理2010——中国地球物理学会第二十六届年会、中国地震学会第十三次学术大会论文集[C];2010年

2 孙张振;徐天河;范朋飞;;基于LS+AR模型的极移预报及其周期项影响分析[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

3 何志昆;刘光斌;姚志成;赵曦晶;;基于高斯过程回归的FOG标度因数温度漂移建模新方法[A];第25届中国控制与决策会议论文集[C];2013年

4 许雪晴;周永宏;;地球定向参数高精度预报方法研究[A];第一届中国卫星导航学术年会论文集（中）[C];2010年

5 叶修松;何雨帆;曾光;郭海;;基于ARMA的ERP短期预报[A];第五届中国卫星导航学术年会论文集-S3 精密定轨与精密定位[C];2014年

6 Xueru Wang;Jin Zhou;Peng Guo;;Wind Turbine Gearbox Forecast Using Gaussian Process Model[A];第26届中国控制与决策会议论文集[C];2014年

中国博士学位论文全文数据库 前10条

1 朱俊;基于星间链路的导航卫星轨道确定及时间同步方法研究[D];国防科学技术大学;2011年

2 赵东明;卫星跟踪卫星任务的引力谱分析和状态估计方法[D];解放军信息工程大学;2004年

3 文鸿雁;基于小波理论的变形分析模型研究[D];武汉大学;2004年

4 张立振;快速滤波本征模态信号分解及其在海洋数据分析中的应用[D];中国海洋大学;2006年

5 王琪洁;基于神经网络技术的地球自转变化预报[D];中国科学院研究生院（上海天文台）;2007年

6 宋迎春;动态定位中的卡尔曼滤波研究[D];中南大学;2006年

7 袁德宝;GPS变形监测数据的小波分析与应用研究[D];中国矿业大学（北京）;2009年

8 宋小勇;COMPASS导航卫星定轨研究[D];长安大学;2009年

9 张研;地下工程岩体非线性行为预测识别的高斯过程模型与动态智能反馈分析[D];广西大学;2013年

10 周建宝;基于RVM的锂离子电池剩余寿命预测方法研究[D];哈尔滨工业大学;2013年

中国硕士学位论文全文数据库 前10条

1 徐君毅;地球定向参数预报理论与方法研究[D];解放军信息工程大学;2010年

2 严镭;GPS/DR车辆组合导航定位系统关键理论问题的研究[D];兰州理工大学;2011年

3 张晓红;神经网络在日长变化预报中的应用研究[D];中南大学;2011年

4 杨帅;高精度陀螺仪测定地球自转参数的理论与方法研究[D];长安大学;2011年

5 丁文;基于小波和Kalman滤波的GPS数据去噪方法研究[D];东北大学;2009年

6 王有平;无线网络自主定位性能的优化研究[D];华东师范大学;2008年

7 刘前刚;GPS定位算法及其在智能公交中的应用[D];湖南大学;2009年

8 张昊;地球定向参数极移的预报理论与方法研究[D];中南大学;2012年

9 王纬;基于数据驱动的锂电池数据处理[D];北京交通大学;2013年

10 李钦;泛化回归神经网络在深基坑变形监测中的应用研究[D];中南大学;2013年

【二级参考文献】

中国期刊全文数据库 前10条

1 周永宏,郑大伟,廖新浩;日长变化、大气角动量和ENSO:1997～1998厄尔尼诺和1998～1999拉尼娜信号[J];测绘学报;2001年04期

2 李鹏;宋申民;段广仁;;改进的平方根UKF及其在交会对接中的应用[J];电机与控制学报;2010年11期

3 钟敏 ,闫昊明 ,朱耀仲;全球大气角动量变化的比较分析(英文)[J];Advances in Atmospheric Sciences;2002年02期

4 王磊;邹北骥;彭小宁;潘丽丽;;基于高斯过程的表情动作单元跟踪技术[J];电子学报;2007年11期

5 许雪晴;周永宏;;地球定向参数高精度预报方法研究[J];飞行器测控学报;2010年02期

6 苏国韶;张研;燕柳斌;;隧道围岩变形预报的高斯过程机器学习模型[J];桂林理工大学学报;2010年04期

7 苏国韶;燕柳斌;张小飞;江权;;基坑位移时间序列预测的高斯过程方法[J];广西大学学报(自然科学版);2007年02期

8 申倩倩;孙宗海;;基于自适应自然梯度法的在线高斯过程建模[J];计算机应用研究;2011年01期

9 李杰;王科;王航;;基于广义回归神经网络的公路货运量预测方法研究[J];交通与计算机;2007年03期

10 周永宏,郑大伟,虞南华,廖新浩;地球自转运动与大气、海洋活动[J];科学通报;2000年24期

中国博士学位论文全文数据库 前2条

1 徐冲;分岔隧道设计施工优化与稳定性评价[D];北京交通大学;2011年

2 王琪洁;基于神经网络技术的地球自转变化预报[D];中国科学院研究生院（上海天文台）;2007年

【相似文献】

中国期刊全文数据库 前10条

1 苏明礼;;非平稳高斯过程的最大值的渐近性质[J];东北师大学报(自然科学版);1983年02期

2 谢盛荣;标准非平稳高斯过程的逗留极限定理[J];西南师范大学学报(自然科学版);1991年01期

3 谢盛荣;一类高斯过程在高水平u上的逗留[J];科学通报;1998年13期

4 任彦荣;陈绍成;邹晓川;田菲菲;周鹏;;采用高斯过程模拟预测域/肽识别和相互作用[J];中国科学:化学;2012年08期

5 徐业基;关于平稳高斯过程的谱函数估计的渐近性质[J];数学学报;1983年04期

6 谢盛荣;方差具有有限个极大点的高斯过程之极值逗留[J];应用数学学报;1997年01期

7 刘辉;白峰杉;;基于混合高斯过程模型的高光谱图像分类算法[J];高校应用数学学报A辑;2010年04期

8 谢盛荣;关于平稳高斯过程的上穿过期望次数的几点注记[J];数学研究与评论;1996年02期

9 郑建青;;大增量平稳高斯过程的极限行为(英文)[J];宁波大学学报(理工版);2007年01期

10 陈振龙,刘禄勤;d维平稳高斯过程的极函数及其相关维数[J];武汉大学学报(理学版);2002年03期

中国重要会议论文全文数据库 前7条

1 刘信恩;肖世富;莫军;;用于不确定性分析的高斯过程响应面模型设计点选择方法研究[A];中国计算力学大会'2010（CCCM2010）暨第八届南方计算力学学术会议（SCCM8）论文集[C];2010年

2 刘冬;张清华;;基于高斯过程的精密卫星钟差加密[A];第二届中国卫星导航学术年会电子文集[C];2011年

3 李雅芹;杨慧中;;一种基于仿射传播聚类和高斯过程的多模型建模方法[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年

4 赵级汉;张国敬;姜龙;魏巍;;基于叠加高斯过程的数字噪声产生方法FPGA实现[A];第二十四届全国空间探测学术交流会论文摘要集[C];2011年

5 何志昆;刘光斌;姚志成;赵曦晶;;基于高斯过程回归的FOG标度因数温度漂移建模新方法[A];第25届中国控制与决策会议论文集[C];2013年

6 单志辉;刘学军;吕宏强;;高斯过程回归在翼型气动性能快速评估中的应用[A];探索 创新 交流（第4集）——第四届中国航空学会青年科技论坛文集[C];2010年

7 闫国启;刘学军;吕宏强;;基于多输出高斯过程回归的飞机翼型快速设计[A];探索 创新 交流——第五届中国航空学会青年科技论坛文集(第5集)[C];2012年

中国博士学位论文全文数据库 前4条

1 潘伟;基于高斯过程的高炉炼铁过程辨识与预测[D];浙江大学;2012年

2 贺建军;基于高斯过程模型的机器学习算法研究及应用[D];大连理工大学;2012年

3 夏战国;基于高斯过程的提升机轴承性能评测方法研究[D];中国矿业大学;2013年

4 赵伟;复杂工程结构可靠度分析的高斯过程动态响应面方法研究[D];广西大学;2014年

中国硕士学位论文全文数据库 前10条

1 申倩倩;基于高斯过程的在线建模问题研究[D];华南理工大学;2011年

2 朱江;单任务以及多任务稀疏高斯过程[D];华东师范大学;2014年

3 黄荣清;基于稀疏高斯过程回归的半监督分类的序贯训练方法[D];华东师范大学;2012年

4 魏三喜;基于高斯过程的分类算法及其应用研究[D];华南理工大学;2012年

5 雷鸣;基于高斯过程的变形预测算法研究[D];东华理工大学;2013年

6 张寅;用于回归预测的高斯过程模型研究[D];河北工业大学;2014年

7 庄超;基于高斯过程回归的强化学习算法研究[D];苏州大学;2014年

8 万玲;基于高斯过程的时间序列分类[D];中国矿业大学;2014年

9 周楠;基于高斯过程机器学习方法的证券预测模型研究[D];电子科技大学;2012年

10 李剑英;改进高斯过程的硫化矿石自燃倾向性等级分类[D];辽宁工程技术大学;2012年

，

本文编号：2039840