针对传统卫星温度预测方法在预测精度和鲁棒性方面表现不佳,难以满足高维度耦合数据预测需求的问题,提出一种针对卫星温度遥测数据的多元时序数据预测模型——改进的时间序列处理模块(advanced time series processing module,ATSPM)-Ne...针对传统卫星温度预测方法在预测精度和鲁棒性方面表现不佳,难以满足高维度耦合数据预测需求的问题,提出一种针对卫星温度遥测数据的多元时序数据预测模型——改进的时间序列处理模块(advanced time series processing module,ATSPM)-Net。首先,构建了包含一维卷积和门控循环单元(gated recurrent unit,GRU)的ATSPM,以对高度耦合的遥测数据中的时间依赖关系进行多尺度提取。接着,设计了多元时序数据预测模型ATSPM-Net。通过堆叠ATSPM,ATSPM-Net确保模型的灵活感受野,从而实现高准确率和鲁棒性的遥测数据预测。最后,在5个数据集上进行的数值实验结果表明,相较于其他类型的时序数据预测模型,ATSPM-Net在参数量较少的情况下能展现出更优异的温度预测性能。展开更多
文摘针对传统卫星温度预测方法在预测精度和鲁棒性方面表现不佳,难以满足高维度耦合数据预测需求的问题,提出一种针对卫星温度遥测数据的多元时序数据预测模型——改进的时间序列处理模块(advanced time series processing module,ATSPM)-Net。首先,构建了包含一维卷积和门控循环单元(gated recurrent unit,GRU)的ATSPM,以对高度耦合的遥测数据中的时间依赖关系进行多尺度提取。接着,设计了多元时序数据预测模型ATSPM-Net。通过堆叠ATSPM,ATSPM-Net确保模型的灵活感受野,从而实现高准确率和鲁棒性的遥测数据预测。最后,在5个数据集上进行的数值实验结果表明,相较于其他类型的时序数据预测模型,ATSPM-Net在参数量较少的情况下能展现出更优异的温度预测性能。
