[发明专利]一种北斗坐标时间序列的预测方法、装置、设备和存储介质

说明书

本发明公开了一种北斗坐标时间序列的预测方法、装置、设备和存储介质，包括：对北斗坐标时间序列的原始数据插值处理，获得初始数据；分解初始数据，获得第一数据、第二数据、第三数据和第四数据；分别对第一数据、第二数据、第三数据和第四数据进行拟合预测，获得第一数据的第一拟合数据和第一预测数据、第二数据的第二拟合数据和第二预测数据、第三数据的第三拟合数据和第三预测数据以及第四数据的第四拟合数据和第四预测数据；根据第一拟合数据、第二拟合数据、第三拟合数据、第四拟合数据、第一预测数据、第二预测数据、第三预测数据、第四预测数据确定坐标时间序列的拟合参数和预测参数；基于拟合参数和/或预测参数评估拟合预测的精度。

技术领域

本发明涉及卫星导航技术领域，尤其涉及一种北斗坐标时间序列的预测方法、装置、设备和存储介质。

背景技术

北斗卫星导航系统(BDS)是我国独立自主发展的全球卫星导航系统，于2012年底免费公开向亚太地区提供服务。近年来不断累积的北斗坐标数据为大地测量学和地球动力学研究提供了丰富的基础数据，也为全球导航卫星系统(GNSS)坐标时间序列的研究提供了坚实的数据支撑。北斗坐标时间序列的精确预测，对建筑物的变形监测、气候气象预测、区域内地壳形变等研究具有重要意义。已有的研究指出GNSS坐标时间序列在三个方向上都有明显的周期运动，其中高程方向上的季节性变化最为显著。由于北斗坐标时间序列中噪声模型的组成不单一，使得建立高精度北斗坐标时间序列预测模型的难度较大。

目前，已有诸多学者在GNSS坐标时间序列的拟合与预测领域进行了广泛的研究。冯胜涛等使用最小二乘拟合高程坐标时间序列，能够较好的减弱阶跃的影响并体现时序的变化趋势；李霞等在GNSS变形监测中使用LSTM神经网络，有较高的准确性与稳定性；戴海亮等将小波多尺度分解与奇异谱结合，对坐标时间序列有良好的自适应性且能够更加准确的提取有用的信息；张明敏等通过对比实验得到ARMA模型对高程坐标的预测能力较多项式周期模型有显著的提升。上述研究促进了GNSS坐标时间序列的研究发展，但针对北斗坐标的长期预测模型，仍存在以下不足：①现阶段时间序列模型多存在建模复杂、稳定性差、无法动态调整模型参数等缺陷；②模型对坐标数据的要求较高，建模精度容易受粗差影响，以及未顾及数据缺失的不利影响；③构建的模型缺乏长期规模预测能力，在预测时需要滚动预测才能保持模型精度，增加了模型的操作难度与运行时间。而目前尚无有效解决方案。

发明内容

有鉴于此，本发明实施例期望提供一种北斗坐标时间序列的预测方法、装置、设备和存储介质。

本发明实施例的技术实施例是这样实现的：

本发明实施例提供一种北斗坐标时间序列的预测方法，所述方法包括：

对所述北斗坐标时间序列对应的原始数据进行插值处理，获得初始数据；

分解所述初始数据，获得第一数据、第二数据、第三数据和第四数据；所述第一数据表征所述北斗坐标时间序列中非周期部分数据的变化趋势；所述第二数据表征所述北斗坐标时间序列中各种周期性变化的数据；所述第三数据表征所述北斗坐标时间序列中非规律性的节假日效应的数据；所述第四数据表征所述北斗坐标时间序列中无法预测的波动数据；

分别对所述第一数据、所述第二数据、所述第三数据和所述第四数据进行拟合预测，获得所述第一数据对应的第一拟合数据和第一预测数据、所述第二数据对应的第二拟合数据和第二预测数据、所述第三数据对应的第三拟合数据和第三预测数据以及所述第四数据对应的第四拟合数据和第四预测数据；

根据所述第一拟合数据、所述第二拟合数据、所述第三拟合数据和所述第四拟合数据确定所述北斗坐标时间序列对应的拟合参数；以及根据所述第一预测数据、所述第二预测数据、所述第三预测数据和所述第四预测数据确定所述北斗坐标时间序列对应的预测参数；

基于所述拟合参数和/或所述预测参数评估所述北斗坐标时间序列拟合预测的精度。