间歇工作的空间斯特林制冷机制冷时长预测

被引：2

作者：

张琪 ^{[1
,2
]}

郭丽丽 ^{[2
]}

段江永 ^{[2
]}

周冰 ^{[2
]}

机构：

[1] 中国科学院大学

[2] 中国科学院空间应用工程与技术中心

来源：

应用科技 | 2015年 / 42卷 / 05期

关键词：

空间遥感; 斯特林制冷机; 制冷时长; ARIMA模型; ANN模型;

D O I：

暂无

中图分类号：

TB651 [制冷机];

学科分类号：

082805 [农业机械化与装备工程];

摘要：

针对空间遥感任务中,光电探测器配载的斯特林制冷机制冷时长的预测问题,提出了一种使用自回归积分滑动平均模型(ARIMA)与人工神经网络(ANN)模型相结合的预测方法。该方法采用时间序列的经典模型,将时间序列分解为趋势项与波动项的加和,采用ARIMA和ANN模型分别进行趋势项预测和波动项预测,并根据斯特林制冷机的间歇性工作模式特点对ARIMA模型进行改进。最后,通过在真实数据上与其他方法的对比实验,验证了本文提出方法的有效性。

引用

页码：61 / 66

页数：6

共 10 条

[1]

Comparison of two new ARIMA-ANN and ARIMA-Kalman hybrid methods for wind speed prediction.[J].Hui Liu;Hong-qi Tian;Yan-fei Li.Applied Energy.2012,

[2]

A bivariate fuzzy time series model to forecast the TAIEX.[J].Tiffany Hui-Kuang Yu;Kun-Huang Huarng.Expert Systems With Applications.2007, 4

[3]

The application of auto–regressive time series modelling for the time–frequency analysis of civil engineering structures.[J].J.S. Owen;B.J. Eccles;B.S. Choo;M.A. Woodings.Engineering Structures.2001, 5

[4]

一种时间序列连续分段多项式模式表示方法 [J].