飞行任务中的遥测数据是快速产生的时间序列数据流,其受测量设备和空间环境等因素影响易产生数据的漂移,由于过程进化属性,其数据分布属性也会发生变化,传统单一数据预测模型无法反应数据自身特征属性的这一变化;因此,提出一种联合具有随机权重的神经网络和装袋算法的集成方法实现对遥测数据的在线回归预测,设计的算法能根据数据特征属性变化而进行自主更新;利用基模型的多样性和低训练复杂度,同时满足数据处理的精度和实时性要求;通过实验仿真,结果表明该方法能明显抑制遥测数据的漂移现象,数据的预测精度提高近10 m.
展开▼
