北京航空航天大学学报 ›› 2016, Vol. 42 ›› Issue (4): 829-836.doi: 10.13700/j.bh.1001-5965.2015.0554

• 论文 • 上一篇    下一篇

基于奇异谱分析的空间环境数据插补方法

刘帅1, 李智1, 龚建村2, 林瑞淋2, 马志昊1   

  1. 1. 装备学院航天指挥系, 北京 101416;
    2. 中国科学院国家空间科学中心, 北京 100190
  • 收稿日期:2015-08-28 修回日期:2015-09-30 出版日期:2016-04-20 发布日期:2016-04-29
  • 通讯作者: 李智, Tel.: 010-66364171 E-mail: lizhizys@263.net E-mail:lizhizys@263.net
  • 作者简介:刘帅 男,博士研究生。主要研究方向:空间环境数据处理与建模、智能算法。 Tel.: 010-66364774 E-mail: liushuai00@sina.com;李智 男,博士,教授。主要研究方向:空间信息系统综合集成、空间态势感知理论。 Tel.: 010-66364171 E-mail: lizhizys@263.net;龚建村 男,博士,研究员。主要研究方向:空间环境建模与应用。 Tel.: 010-62586422 E-mail: gongjc@nssc.ac.cn;林瑞淋 男,博士,副研究员。主要研究方向:空间环境建模与预报。 Tel.: 010-62586419 E-mail: rllin04@163.com;马志昊 男,博士,讲师。主要研究方向:空间环境可视化、空间态势感知理论。 Tel.: 010-66364229 E-mail: snake77@163.com
  • 基金资助:
    教育部新世纪优秀人才支持计划;中国科学院青年创新促进会(Y52133A23S)

Gap filling method for space environment data based on singular spectrum analysis

LIU Shuai1, LI Zhi1, GONG Jiancun2, LIN Ruilin2, MA Zhihao1   

  1. 1. Department of Space Command, Equipment Academy, Beijing 101416, China;
    2. National Space Science Center, Chinese Academy of Sciences, Beijing 100190, China
  • Received:2015-08-28 Revised:2015-09-30 Online:2016-04-20 Published:2016-04-29
  • Supported by:
    Program for New Century Excellent Talents in University of Ministry of Education of China;Youth Innovation Promotion Association, Chinese Academy of Sciences(Y52133A23S)

摘要: 空间环境数据具有典型的非线性、非平稳特征,并经常包含有缺失数据,给预报模型的建立、预测以及物理过程的分析带来了一定的困难。为了实现对缺失数据的插补,基于奇异谱分析(SSA)迭代插补的思想,设计了一种能够适用于不同缺失数据分布的插补方案。该方案提取出原始时间序列中缺失数据分布数组,利用缺失数据分布数组生成交叉验证所用的测试数据集,并利用离散粒子群优化算法寻找SSA的2个关键性参数,即嵌入窗口长度和主成分个数。通过不同太阳活动年份实际观测的太阳风参数、地磁指数等实例验证了算法的有效性。

关键词: 奇异谱分析(SSA), 离散粒子群优化算法, 数据插补, 空间环境, 时间序列

Abstract: The space environment data is known to be nonlinear and non-stationary and often contains missing values, which brings great challenge to the model-building procedures, predictions and posterior analysis. To fill the data gaps, a new gap filling method based on the iterative singular spectrum analysis (SSA) algorithm was put forward. The new method considered the distribution of missing values by extracting a distribution array first and used the array to generate the test data set. The discrete particle swarm optimization algorithm was adapted to obtain the two key parameters of SSA, i.e. the embedded window size and the number of principal components. Taking the solar wind parameters and geomagnetic indices of different solar activity years as examples, the test results demonstrate that the filling method is effective.

Key words: singular spectrum analysis (SSA), discrete particle swarm optimization algorithm, gap filling, space environment, time series

中图分类号: 


版权所有 © 《北京航空航天大学学报》编辑部
通讯地址:北京市海淀区学院路37号 北京航空航天大学学报编辑部 邮编:100191 E-mail:jbuaa@buaa.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发