10.3969/j.issn.1006-9348.2023.05.018
基于GM-ARIMA模型的遥测数据中长期预测
为了实现对在轨卫星遥测数据的高精度预测,提出了一种基于时间序列分解的遥测数据预测方法,即应用HP 滤波(Hodrick-Prescott Filter)将遥测数据的时间序列分解成趋势项和波动项,并根据各项特点分别使用灰色GM(1,1)模型和季节型ARIMA模型进行预测,然后叠加趋势项和波动项各自的预测值,得到最终预测结果.此方法可以有效降低趋势性、波动性相互影响产生的误差,提高预测精度.通过对某卫星阳压在轨数据的实证分析,验证了上述预测方法的有效性,在半年的预测期内,达到了很高的预测精度.所提方法在卫星健康评估、故障诊断和预警等方面具有重要应用价值.
滤波、灰色模型、模型、数据预测
40
V411.8(基础理论及试验)
统智能化健康评估与管理技术10510010302
2023-07-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
106-111