改进的灰色GM(1,1)在北斗卫星钟差短期预报中的应用

根据星载原子钟钟差的特点以及传统的灰色GM(1,1)自身存在的缺陷,提出一种改进的灰色GM(1,1)钟差短期预报模型。首先采用灰色GM(1,1)对钟差序列进行预报,再采用马尔科夫对随机性波动较大的灰色残差序列进行修正,充分结合二者的优势,克服了自身的缺陷。采用5min采样率的北斗钟差数据进行算例分析,并通过不同预报步长与传统的灰色GM(1,1)对比分析,结果表明,该方法的预报精度较传统的灰色模型有了较大提高,该方法应用于钟差短期时间预报是可行的,可靠性较强。

基于EMD的GM-LSSVM在变形预测中的应用

针对变形呈非线性、随机性变化特征,提出了一种基于经验模态分解(EMD)的灰色最小二乘支持向量机(GM-LSSVM)变形预测模型。该模型首先采用EMD有效分离出隐含在变形序列中的非线性高频成分和低频成分;然后根据各分量特点构建了高频LSSVM预测模型和低频GM(1,1)预测模型,最后叠加各分量预测值得到预测结果。经理论分析和算例表明,并与灰色GM(1,1)、BP神经网络和LSSVM对比分析。结果表明,EMD能够有效分离变形序列的不同频率成分,本文方法具有较强的预测精度,均方根误差为0.40 mm,在变形预测中具有一定的实用价值。