利用GPS计算的TEC变化率监测太阳耀斑

给出了利用双频GPS载波相位观测值计算各个卫星沿观测方向的电子总量 (TEC)变化率的方法 ,用该方法计算了 2 0 0 0年 7月 12日和 7月 14日两次级别分别为X1.9级和X5 .7级太阳耀斑前后一周各个卫星的TEC变化率。分析表明 ,在太阳耀斑爆发当天 ,如果卫星交叉点是在中纬度地区运动 ,沿观测方向TEC变化率除耀斑爆发的一段时间外 ,其它时间变化相对平稳 ,并且在耀斑爆发一天后 ,TEC变化率趋于正常 ;如果卫星交叉点纬度低于 30° ,那么在耀斑爆发前一天 ,各个卫星沿观测方向的TEC变化率发生“异常” ,即变化率增加很快 ,而且交叉点运行的纬度越低 ,TEC变化率的增量越大。比较了分析太阳耀斑的两种数据处理方法 :求解沿天顶方向上电子总量 (VTEC)和求解TEC变化率的方法 ,指出求解TEC变化率的方法不必考虑仪器偏差的影响 ,能更好地监测较小级别的太阳耀斑。     

GNSS掩星电离层的三频观测数据模拟与反演

由三维射线追踪微分方程推出掩星三维直角坐标射线追踪的矩阵方程,对实现射线追踪的具体步骤进行讨论。采用NeQuick 作背景模拟夜间和白天的掩星电离层三频载波相位延迟观测数据,采用双频绝对TEC反演法对白天模拟数据进行反演,并比较3种不同频率组合对反演结果的影响。结果表明,在附加相位延迟等精度观测条件下,L1 L5组合获得的反演结果与模式值最为吻合。     

基于CMONOC GPS数据的SSA电离层预测模型研究

利用基于CMONOC的GPS观测数据反演中国大陆区域高精度的RIM，并将奇异谱分析(SSA)方法应用于TEC预报，判断不同序列长度对预测结果的影响，并根据w-correlation选取合适的RC迭代阶数和窗口长度。结果发现，当TEC时间序列长度为27 d，窗口长度为序列长度的1/3、迭代SSA分解的前5项时，预测效果最好。提取RIM中心网格点的TEC数据，分别以年积日1~27、101~127、201~227、301~327等4个时段的TEC序列为原始数据，基于SSA进行7 d的预测，同时建立ARMA预测模型。结果显示，相较于ARMA预测，SSA方法总体预测精度提高约10%，预测时段更长。进一步对4个时段RIM中2 911个网格点处的TEC进行预测，发现RMSE随着纬度减小而增大，预测相对精度呈现中纬度比高、低纬度略高的特点，但无论哪种精度指标，SSA预测模型均优于ARMA预测模型。     

ARMA模型在地震电离层TEC异常探测中的应用

基于IGS数据分析中心提供的全球电离层TEC数据,利用时间序列分析理论中的ARMA模型对2008-05-12汶川Ms8.0地震的电离层TEC资料进行处理,将ARMA模型TEC预报值作为电离层TEC背景参考值,对地震前后的电离层TEC进行异常探测研究。结果表明,在取得了与其他研究方法结果基本一致的基础上,新发现震前第13d、12d、10d、7d也存在电离层TEC异常扰动现象。说明以全球电离层TEC数据为基础,利用ARMA模型同样能有效探测到震前电离层TEC异常扰动现象,并达到较高精度。     

自动安平水准仪磁致误差函数模型与数据分析

利用物理摆原理导出了自动安平水准仪磁致误差的理论函数模型,建立了地磁场中的观测方程。通过实测资料,分析了地磁场对Ｎｉ００２水准仪的影响,并对观测误差和Ｆ值的测定精度进行了讨论。     

用卡尔曼滤波法分析汶川Ms8.0地震TEC异常

对汶川Ms8.0地震前的TEC数据用卡尔曼滤波法进行异常检测,分析了TEC异常的可信性以及地震激发TEC异常的可能机制,确认地震前第3天（5月9日）和第2天（5月10日）的显著TEC异常与地震临近有关,可以作为地震电离层前兆信息之一。     

缅甸Ms7.2地震前电离层TEC的异常变化

基于IGS提供的电离层TEC资料和中国地壳运动观测网络提供的GPS资料解算的单站VTEC数据,采用滑动平均处理方法,对2011年3月24日缅甸7.2级地震震前的电离层TEC资料进行了处理和分析,结果表明：在震前6～8天,出现电离层TEC异常减小现象,震前3天出现电离层TEC异常增加现象,排除太阳活动和地磁扰动的影响后,3月16日、17日和18日出现的电离层TEC异常减小,特别是在18日出现的异常减小及呈现出的共轭结构,可能与缅甸7.2级地震有关。     

近地层大气折光系数的新反演法

以近地层大气垂直折光系数的传统反演方法和理论计算模型为基础,提出了一种可以直接利用对向EDM三角高程测量结果计算往测与返测折光系数的新反演方法。运用该方法时,不需要增加外业工作量,只需通过联合求解传统反演式和理论计算式,便可求得相对可靠的折光系数值,从而有效提高EDM三角高程测量的精度。     

基于残差修正的ARMA模型探测门源MS6.4地震前电离层TEC异常

为提高震前电离层总电子含量(TEC)异常探测的精度,提出利用ARMA模型对预测数据进行残差修正得到TEC参考背景值,并设定相对误差和绝对误差相互制约的限差判决门限。通过对2016-01-21青海门源M_S6.4地震进行研究,验证该方法的有效性。结果表明,震前第5天存在明显的TEC异常现象,震中及附近更大区域内会形成异常范围集中的电离层异常区域,TEC异常峰值点位于震中偏南方向;震中位置与异常区域的中心点并不重合,震中位于负异常区偏东方向、正异常区偏南方向。     

电离层高阶项延迟对GPS载波相位观测值及基线的影响

为研究电离层高阶项延迟及其影响,采用IGS提供的实测数据与产品,结合具体实验讨论地磁模型、TEC数据模式、GPS频率及测站分布等对电离层高阶项延迟的影响,分析不同TEC获取方式与地磁模型处理模式下的电离层高阶项延迟对基线的影响.实验表明,利用不同方式获取的TEC是影响电离层高阶项延迟的关键因素,其对载波相位观测值的影响...     

基于离散系统卡尔曼滤波的电子含量预报分析

使用中国地壳运动观测网络基准站的数据,拟合电离层VTEC模型的参数,提出了利用离散系统卡尔曼滤波方程预报电离层TEC的方法,并对2002年9月10日和2002年9月14日特定时刻的TEC进行了预报和分析,其半小时内的预报精度达到2.5 TECU,实验证明可以利用该方法对某些电离层活动进行有效预报。     

基于D—S证据理论的多参数反演的火成岩识别——以塔里木盆地哈拉哈塘地区为例

塔里木盆地哈拉哈塘地区具有良好油源地质条件,该地区二叠系火成岩普遍发育,复杂的岩性和剧烈的厚度变化影响下覆油气资源的勘探.为识别该地区英安岩和玄武岩这2种主要分布的火成岩,分析不同岩性的特征响应,选取有效岩性识别参数,进行多参数反演;利用基于D-S证据理论的信息融合技术对多参数反演结果进行融合,挖掘参数反演数据体的优势信息,得到岩性识别的概率体,有效避免传统波阻抗反演结果的局限性.该方法可预测主要火成岩类型在空间上的展布和厚度变化,提高岩性解释精度,在识别火成岩岩性方面取得较好效果.     

基于KF-LSTM组合模型的短期电离层TEC预测

针对电离层总电子含量(TEC)时间序列非线性、非平稳性等特点,提出以卡尔曼滤波对电离层TEC数据进行预处理为基础,融合长短期记忆神经网络模型,构建KF-LSTM短期电离层组合模型预测TEC的方法,并利用该模型预测2016年和2018年4个时段的高、中、低纬度及赤道地区36个格网点提前1 d的电离层TEC。结果表明,KF-LSTM组合模型预测效果优于传统BP神经网络模型和单纯的LSTM模型。在赤道地区,其预测效果与C1PG模型相当;在15°～75°N地区,其预测效果优于C1PG模型。     

多极化SAR数据反演额济纳冲积扇地表参数

本文采用遗传算法和后向散射模型相结合的方法,探讨了多极化SAR(Synthetic Aperture Radar)数据反演冲积扇地表参数(地表粗糙度和土壤湿度)的可行性.通过理论模拟和实地地表测量对比,表明该方法在反演冲积扇地表参数方面是切实可行的.该方法可以根据获取数据情况不同,灵活调整反演的代价函数式,并且用于反演的SAR图像必须大于(或等于)两景,数据越多,反演结果越精确.在此基础上,利用ENVISAT ASAR数据和ALOS PALSAR数据,对内蒙古额济纳冲积扇的地表参数进行了反演计算.结果表明,额济纳冲积扇地面相对比较平坦,粗糙度参数变化较小,大部分地区均方根高度小于1.0cm.黑河沿岸地区粗糙度参数较大,而远离黑河的戈壁滩地表粗糙度较小.该地区的土壤湿度反演结果表明,该地区属于极端干旱区域,大部分地区土壤体积含水量低于10%.     

2.5D重力双重加权聚焦反演及其应用

针对聚焦反演方法在实测数据应用中存在的趋肤效应和反演结果发散问题,设计应用深度加权和数据加权的双重加权系数灵敏度矩阵,进行核函数处理。通过反演拟合理论正演模型实验,证明了该方法的可靠性。将双重加权系数运用到山东某矿区的实测数据,反演结果清晰地反映出地下异常体的边界和深度,与剖面电阻率结果比较,两者异常位置接近,该方法可反应实际异常情况。     

2018-08-25~29期间全球电离层TEC对地磁暴的响应分析

使用IGS提供的全球电离层地图对2018-08-26地磁暴期间TEC变化进行分析,利用滑动四分位距法提取全球TEC扰动特征,并初步探讨此次磁暴引起的电离层扰动响应机制。结果表明：1）磁暴主相期间,除北极地区外电离层TEC主要表现为正相扰动;在恢复相期间,电离层TEC在北半球呈现长期负扰,而在南半球则相反。2）磁暴期间全球电离层TEC扰动与热层成分O/N₂变化有关。星际磁场南向期间,东向快速穿透电场对全球日间电离层TEC正扰具有很大影响,高能粒子的沉降作用可能是高纬和极区TEC发生正扰的原因;夏冬季节环流会促进电离层在磁暴恢复相阶段的南北不对称响应。     

重磁力联合反演在研究复杂盆地基底构造中的应用

本文采用重磁力联合反演方法,计算了民和盆地基底深度和视磁化强度。针对该盆地特点,设计了等效和非均质重力反演模型,在约束条件下分块反演得到准确可靠的基底深度;用基底深度和航磁异常反演基底视磁化强度,根据岩石磁化率参数,判定基底岩性横向分布。该方法不仅能提供盆地基底构造形态,而且能提供基底岩性信息。     

Kalman滤波在地震电离层TEC异常探测中的应用

基于中国地壳运动观测网络GPS观测资料解算的电离层TEC数据,利用Kalman滤波方法对2008年5月12日汶川Ms8.0地震前的电离层TEC进行异常探测研究,并与以前的处理结果进行对比,对比结果表明：利用Kalman滤波方法能够有效地探测到震前的电离层TEC异常扰动。     

微机解释电测深曲线的人机结合最优化法

本章叙述了直流电测深数字解释的反演拟合基本原理。用人机结合最优化法来改进解释方法。该法在自动拟合过程中能随时修改层参数值,修改地层数目及修改其上下限值。 文中用人机对话方式分别对四个理论三层均匀水平层状地层和一个取自山东的野外实测数据进行处理。这些实例说明了用本反演算法确定层参数的精度。     

基于深度学习的大地电磁二维反演方法

如何通过大地电磁测深反演方法来提高数据解释的精度一直都是大地电磁测深研究领域的重要课题。针对大地电磁传统反演方法存在的初始模型依赖、易陷入局部最优的问题,提出了一种基于深度学习的大地电磁二维反演方法。该方法首先设计GoogLeNetINV神经网络;接着构造多种地电模型,在TM模式下通过正演得到视电阻率数据,组成训练数据集;然后用训练数据集训练该神经网络并调整网络参数;最后,将视电阻率数据输入已训练好的GoogLeNetINV神经网络直接得到反演结果。实验结果表明,该方法能快速、准确地反演出“未学习”过地电模型的位置和电阻率数据,具有较好的泛化能力;使用噪声数据测试仍能取得良好的反演结果,有一定的抗噪声能力。将该神经网络应用于Bendigo Zone实际数据资料处理中,反演得到的电阻率模型与地震解释一致,因此基于深度学习的大地电磁反演方法能有效解决大地电磁反演问题。