基于加權灰色GM模型的動態(tài)軌跡預測算法
大小：0.67 MB 人氣：1 2017-12-19 需要積分：1
標簽：
針對基于Kalman濾波的跟蹤方法需要對噪聲特性和軌跡的運動規(guī)律進行假設的不足，將新陳代謝一個變量的一階灰色模型（GM（1，1）引入動態(tài)軌跡預測方法，提出一種基于加權灰色GM（1，1）模型的動態(tài)軌跡預測算法（TR_C M_PR算法）。首先，順序截取預測點前不同長度的子軌跡，計算采用灰色GM（1，1）模型擬合各子軌跡的相對誤差及相應的預測值；其次，對各子軌跡的相對擬合誤差進行歸一化處理，根據(jù)處理后的結果設置各子軌跡預測值權重；最后，將各予軌跡獲得的預測值與其對應權重的線性組合作為軌跡未來運行趨勢的最終預測結果。采用2000- 2008年美國大西洋颶風數(shù)據(jù)進行實驗，TR_C M_PR算法6h的預測正確率為67. 605 6%，比基于模式匹配的颶風預測方法提高2. 6056個百分點。實驗結果表明，TR_GM_PR算法適用于軌跡短期預測。此外，該預測算法計算簡單、實時性高，能夠有效提高動態(tài)軌跡的預測正確率。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
