买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜山东建筑大学申请的专利基于遗传算法优化SVM的GNSS坐标时序预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119939258B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510422190.4，技术领域涉及：G06F18/214；该发明授权基于遗传算法优化SVM的GNSS坐标时序预测方法是由李婉秋;温雨硕;蒋涛;孙伟;孙英君;祝程程;毕京学;丁伟;王志伟;汪良龙;鲁善博设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本基于遗传算法优化SVM的GNSS坐标时序预测方法在说明书摘要公布了：本发明公开了一种基于遗传算法优化SVM的GNSS坐标时序预测方法，属于大地测量形变监测技术领域，包括以下步骤：S1、收集某地区多个GNSS站点的地球物理效应数据和GNSS时间序列，并进行处理得到各个GNSS站点的完整的时间序列；S2、构建GA‑SVM模型：利用遗传算法优化支持向量机模型，得到满足每个GNSS站点的GA‑SVM模型；S3、进行模型评估与预测。本发明采用地球物理效应等四种特征数据对GNSS进行预测，采用GA进行优化，可以进行多目标优化，解决高维数据中的参数优化问题，提升模型在高维数据上的表现；同时，为模型提供了足够的训练和验证数据，提高模型的训练效果和预测精度，使模型具有更高的精准性和泛化能力。

本发明授权基于遗传算法优化SVM的GNSS坐标时序预测方法在权利要求书中公布了：1.一种基于遗传算法优化SVM的GNSS坐标时序预测方法，其特征在于，包括以下步骤： S1、数据处理：收集某地区多个GNSS站点的地球物理效应数据和GNSS时间序列，得到各个GNSS站点的原始时间序列，然后对原始时间序列进行粗差剔除、插值补全，得到各个GNSS站点的完整的时间序列，并划分为训练集和测试集，具体步骤为： S11、对每个GNSS站点的原始时间序列数据进行缺失值填充和标准化处理：首先使用随机森林回归模型对原始时间序列进行处理，随机森林模型为： ； 其中，是预测值，是第棵决策树的预测值，D是决策树的数量，对于原始时间序列中的缺失值，使用其他列作为特征，训练随机森林模型，预测缺失值并进行填充； 完成缺失值的填充后，将数据进行标准化处理，使其转换为均值为0，标准值为1的形式，表示为： ； 其中，为填充完缺失值的时间序列，为数据的均值，为标准差，为一个小的常数； S12、对处理完成后的时间序列进行粗差剔除，得到不含粗差和噪声的时间序列，具体步骤为： （1）使用奇异谱分析方法对标准化后的时间序列进行分解，得到重构后的时间序列，具体步骤为： 1）轨迹矩阵构建：将S12处理后的时间序列X转换为轨迹矩阵H，表示为： ； 其中，是窗口长度，是轨迹矩阵的列数； 2）奇异值分解：对轨迹矩阵H进行奇异值分解，得到： ； 其中，是左奇异向量矩阵，是奇异值矩阵，是右奇异值向量矩阵，表示V的转置； 3）成分选择与重构：根据奇异值的方差贡献率选择主要成分，方差贡献率的计算公式表示为： ； 其中，是第个奇异值，是奇异值的总数，表示第个奇异值； 选择好成分后，使用选择的前个成分、、来重构时间序列，表示为： ； 然后使用巴特沃斯低通滤波器对重构后的时间序列进行处理，提取出时间序列的趋势成分； 其中滤波公式为： ； 其中，、是滤波器系数，是输入信号，是趋势成分，是离散时间序号，M是的最大延迟阶数，Z是最大延迟阶数； （2）使用四分位距方法开始进行粗差探测，首先计算四分位距，表示为：； 其中，为上四分位数，为下四分位数； 然后确定数据的上下界限，超出上下界限的数据节点被认定为是粗差； 其中，下限为： ； 上限为： ； （3）完成粗差探测后，进行季节性成分计算和噪声计算，其中，季节性分析计算公式表示为： ； 噪声计算公式表示为： ； 其中，为标准化后的原始时间序列，为重构后的时间序列； S13、采用克里金插值法与卡尔曼滤波-随机森林插值模型分别对S12得到的各个站点的数据进行插值补充； S2、构建GA-SVM模型：将训练集数据作为输入，利用遗传算法优化支持向量机模型，选择最优的参数组合并导入支持向量机模型中，进行支持向量机模型训练，得到满足每个GNSS站点的GA-SVM模型； S3、模型评估与预测：对GA-SVM模型分别利用训练集和测试集进行预测，通过多次交叉验证，得到最终的GA-SVM模型，进行GNSS坐标时序预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东建筑大学，其通讯地址为：250101 山东省济南市历城区凤鸣路1000号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。