基于机器学习辅助算法的GNSS位置时间序列横向地表运动预测
信号处理
2020-06-16 v1
摘要
我们研究了使用永久性GNSS站的精确位置时间序列，通过传统机器学习辅助算法预测一个区域内水平地表运动的准确性。所使用的机器学习算法与文献[1]中使用的算法相当，但排除了径向基函数，即多层感知器、贝叶斯神经网络、高斯过程、k-最近邻、广义回归神经网络、分类与回归树以及支持向量回归。我们进行了一项比较分析，检验了上述机器学习方法的准确度水平。结果表明，对于时间序列的两个分量，最准确的方法是高斯过程，其精度可达9.5厘米。
引用
@article{arxiv.2006.07891,
title = {Lateral land movement prediction from GNSS position time series in a machine learning aided algorithm},
author = {M. Kiani},
journal= {arXiv preprint arXiv:2006.07891},
year = {2020}
}