论文部分内容阅读
针对GNSS高程坐标时间序列异常值多、数据分布区间大且不平稳等特点,提出了一种基于局部异常值因子(local outlier factor,LOF)的LOF-Prophet-RF组合预测模型。首先对GNSS高程坐标数据使用LOF算法进行异常值探测,剔除探测到的异常值后对缺失数据采用Prophet模型进行插值,得到新的高程坐标时间序列,最后使用随机森林模型(Random Forest,RF)进行预测。实验结果表明,该组合模型能够有效的剔除粗差,对局部异常值有良好的敏感性；较传统预测方法能更好的表现高程坐标时间序列的变化趋势,并得到更高精度的预测数据。