基于加权灰色GM模型的动态轨迹预测算法

　　针对基于Kalman滤波的跟踪方法需要对噪声特性和轨迹的运动规律进行假设的不足，将新陈代谢一个变量的一阶灰色模型（GM（1，1）引入动态轨迹预测方法，提出一种基于加权灰色GM（1，1）模型的动态轨迹预测算法（TR_C M_PR算法）。首先，顺序截取预测点前不同长度的子轨迹，计算采用灰色GM（1，1）模型拟合各子轨迹的相对误差及相应的预测值；其次，对各子轨迹的相对拟合误差进行归一化处理，根据处理后的结果设置各子轨迹预测值权重；最后，将各予轨迹获得的预测值与其对应权重的线性组合作为轨迹未来运行趋势的最终预测结果。采用2000- 2008年美国大西洋飓风数据进行实验，TR_C M_PR算法6h的预测正确率为67. 605 6%，比基于模式匹配的飓风预测方法提高2. 6056个百分点。实验结果表明，TR_GM_PR算法适用于轨迹短期预测。此外，该预测算法计算简单、实时性高，能够有效提高动态轨迹的预测正确率。