Knowledge Management System Of National Time Service Center,CAS
| 利用小波分解改进极移预报模型 | |
| 赵丹宁1; 高蕊1; 雷雨1 | |
| 2019 | |
| 发表期刊 | 武汉大学学报:信息科学版
 |
| ISSN | 1671-8860 |
| 卷号 | 44.0期号:012页码:1797 |
| 摘要 | 为进一步提高极移预报精度,将小波分解引入极移预报中。首先利用小波分解对极移序列进行分解,分离低频分量与高频分量,然后对低频分量建立最小二乘外推模型,获得极移序列的趋势项外推值与残差序列,最后采用自回归(autoregressive,AR)模型对高频分量与残差序列之和进行预报,最终极移的预报值为最小二乘外推值与AR模型预报值之和。结果表明,小波分解可以明显改善最小二乘外推与AR组合模型的极移预报精度,尤其对于中长期预报改善更为明显。 |
| 关键词 | 极移 预报 小波分解 LS+AR模型 数据预处理 |
| 语种 | 英语 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://210.72.145.45/handle/361003/13196 |
| 专题 | 中国科学院国家授时中心 |
| 作者单位 | 1.宝鸡文理学院 2.中国科学院国家授时中心 |
| 推荐引用方式 GB/T 7714 | 赵丹宁,高蕊,雷雨. 利用小波分解改进极移预报模型[J]. 武汉大学学报:信息科学版,2019,44.0(012):1797. |
| APA | 赵丹宁,高蕊,&雷雨.(2019).利用小波分解改进极移预报模型.武汉大学学报:信息科学版,44.0(012),1797. |
| MLA | 赵丹宁,et al."利用小波分解改进极移预报模型".武汉大学学报:信息科学版 44.0.012(2019):1797. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [赵丹宁]的文章 |
| [高蕊]的文章 |
| [雷雨]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [赵丹宁]的文章 |
| [高蕊]的文章 |
| [雷雨]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [赵丹宁]的文章 |
| [高蕊]的文章 |
| [雷雨]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论