来源：期刊VIP网 时间：
作者：高旭;侯争;胡晓方;王翔;
单位：河南理工大学;
摘要：针对全球导航卫星系统(GNSS)高程坐标时间序列预测相关性弱、稳定性差等问题，该文提出一种改进麻雀算法(SCSSA)优化卷积神经网络和双向长短期记忆(CNN-BILSTM)的预测模型。该模型首先通过变分模态分解(VMD)分离GNSS高程坐标时间序列，剔除高频噪声，重构特征信号；之后，利用SCSSA优化CNN-BILSTM模型参数，扩大种群搜索范围，避免早熟收敛和局部最优情况的发生，从而实现对坐标时间序列的高精度预测。实验选择3个GNSS测站和1个仿真测站进行验证，结果显示，经SCSSA优化后，RMSE和MAE分别降低了9.62%～26.77%和9.56%～24.34%,相关系数(R)提升至0.71～0.94之间，表明SCSSA不仅对VMD-CNN-BILSTM模型的预测效果具有较高的提升，且预测结果与真实序列更加接近。
关键词：时间序列预测;;变分模态分解;;改进麻雀算法;;神经网络
基金资助：“双一流”创建项目(GCCYJ202416);; 河南理工大学博士基金项目(760507/027)
