基于模式演化的遙測數(shù)據(jù)建模方法及應用.pdf

1、目前衛(wèi)星遙測數(shù)據(jù)建模主要解決一些典型的遙測參數(shù)短期變化規(guī)律描述和狀態(tài)預測的問題。由于衛(wèi)星長期在軌運行獲得的遙測數(shù)據(jù)具有數(shù)據(jù)量大、變化模式復雜的特點，這些方法難以直接應用并解決遙測參數(shù)在較長時間內(nèi)的變化規(guī)律描述問題。此外，由于衛(wèi)星遙測數(shù)據(jù)下行速度快，因此在短時間內(nèi)（如幾天時間），也可以獲得大量遙測數(shù)據(jù)，此時采用有關方法建立模型，需要對原始遙測數(shù)據(jù)進一步采樣以降低數(shù)據(jù)量。
　　針對目前衛(wèi)星遙測數(shù)據(jù)建模方法的不足，提出一種基于模式演化的

2、衛(wèi)星遙測數(shù)據(jù)建模方法，利用衛(wèi)星長期在軌運行過程中所獲得的大量遙測數(shù)據(jù)，建立其遙測參數(shù)隨在軌運行時間變化的模型。該方法綜合應用長期遙測數(shù)據(jù)分段、時間序列模式聚類和分類、基于多序列的模式建模以及基于隨機過程的模式演化過程建模方法，較好地解決了衛(wèi)星長期遙測數(shù)據(jù)建模問題。其中，提出基于中值濾波的長期遙測數(shù)據(jù)野點剔除方法、基于 Pearson相關系數(shù)和系統(tǒng)聚類的遙測數(shù)據(jù)模式聚類方法、基于序列形態(tài)特征和 SVM的遙測數(shù)據(jù)模式分類方法、基于分段逼近的