EOP time series prediction using singular spectrum analysis

Grigory Okhotnikov, Nina Golyandina

Результат исследований: Публикации в книгах, отчётах, сборниках, трудах конференцийстатья в сборнике материалов конференции

Аннотация

Accurate forecasting of Earth orientation parameters (EOP) is important for improving the GPS location accuracy and navigation of Earth satellites. EOP time series include periodic components of complex structure. Singular Spectrum Analysis (SSA) is a nonparametric method that is capable of decomposing and forecasting time series with sine-wave components. In the paper, a unified approach to choosing parameters of the SSA forecasting algorithm for EOP time series prediction is proposed. EOP time series data published by IERS in Bulletin 14 C04 are used for 365-days prediction. The forecasts performed by the proposed techniques are compared with predictions taken from available public sources.

Язык оригиналаанглийский
Название основной публикацииProceedings of MACLEAN: MAChine Learning for EArth ObservatioN Workshop
РедакторыT. Corpetti, D. Ienco, R. Interdonato, et al.
ИздательRWTH Aahen University
Число страниц10
СостояниеОпубликовано - 2019
Событие2019 MAChine Learning for EArth ObservatioN Workshop, MACLEAN 2019 - Wurzburg, Германия
Продолжительность: 20 сен 2019 → …

Серия публикаций

НазваниеCEUR Workshop Proceedings
ИздательRWTH Aahen University
Том2466
ISSN (печатное издание)1613-0073

Конференция

Конференция2019 MAChine Learning for EArth ObservatioN Workshop, MACLEAN 2019
СтранаГермания
ГородWurzburg
Период20/09/19 → …

    Fingerprint

Предметные области Scopus

  • Компьютерные науки (все)

Цитировать

Okhotnikov, G., & Golyandina, N. (2019). EOP time series prediction using singular spectrum analysis. В T. Corpetti, D. Ienco, R. Interdonato, & et al. (Ред.), Proceedings of MACLEAN: MAChine Learning for EArth ObservatioN Workshop (CEUR Workshop Proceedings; Том 2466). RWTH Aahen University.