奇异谱迭代区间四分法在GPS坐标时间序列插补中的应用

采用奇异谱迭代的区间四分法进行GPS坐标时间序列的插补。该方法基于自适应滤波的方法,从不完整的坐标时间序列中提取主要的特征成分完成插值,是对奇异谱迭代插值算法的改进。将本文方法与拉格朗日插值法进行比较发现,本文方法不仅拥有更高的插值精度,而且解决了奇异谱迭代插值的效率问题,计算效率得到很大提高。     

基于模型和空间相关性的GPS时间序列插值方法

针对GPS时间序列的空缺,根据数据固有特性和空间特性,提出基于模型和噪声空间相关性的GPS时间序列插值方法,并以陕西省GPS连续站为例验证该方法对长空缺插值的优势。通过实验分析不同情况的空缺和插值对GPS时间序列速度、周期项以及噪声特性的影响。结果表明,空缺对速度影响较小,较少的观测也可以较好地反映地壳线性运动;空缺对周期项影响较大,利用GPS分析周期性运动时必须考虑空缺的影响;噪声频谱分析显示离散空缺比长空缺影响大,噪声特性分析时应注意。     

变形观测数据时间序列建模中的几个问题

针对在变形观测数据时间序列建模中所遇到的问题,对变形观测数据时间序列建模中的数据预处理、模型选择、模型定阶与系统稳定性检验等问题进行了研究,提出了分析数据趋势项提取的AR模型方法,编写了C语言计算程序,实现了样条函数插值方法、周期项提取的差值法,建立ARMA分析模型,对变形预测数据与实际观测数据进行了比较.结果表明:该方法的正确性以及时间序列分析方法在变形数据处理与分析中的适用性与可行性.     

Prophet模型在GNSS坐标时间序列中的插值分析

针对GNSS坐标时间序列中存在数据缺失的问题,提出将Prophet模型应用于GNSS坐标时间序列的插值中。设计不同的数据随机缺失比例和连续缺失长度,使用Prophet模型、拉格朗日法和三次样条法进行对比实验。结果表明,Prophet模型在GNSS坐标时间序列中具有更高的插值精度并能够保持较好的稳定性,且对于连续缺失的数据插值有着明显的优势。     

基于RegEM算法的GPS坐标时间序列插值应用分析

将一种基于数据驱动的RegEM算法引入GPS坐标时间序列插值中,分别采用模拟不同比例连续缺失数据与实测含缺失数据,比较RegEM与拉格朗日方法、三次样条方法、正交多项式方法的插值效果与性能。结果表明,对于模拟不同比例连续缺失数据,RegEM算法插值效果均优于传统方法,且在大量数据连续缺失的情况下效果最优;对于实测含缺失数据,RegEM方法插值所得序列保留方差最大化效果最好,约为正交多项式方法的1.17倍、三次样条方法的1.38倍。     

基于阶次组合的GPS精密星历插值研究

采用Lagrange插值与线性逐次Neville插值两种方法对GPS卫星轨道进行了插值,比较了两种方法的特性及插值精度,结果表明两种方法虽然简单易实现,但当进行高阶插值时,边缘插值区间的精度较低。为解决该问题提出利用高次插值与低次插值相结合的方法进行轨道插值,算例证明,该插值方法可以改善插值精度。     

移动格林基函数样条二维插值算法研究

针对用于插值的已知点较多时,插值计算需要解算大规模矩阵、计算耗时长甚至无法解算的问题,引入移动曲面的思想,取插值点周边最邻近k个已知点进行格林基函数二维样条移动插值,实例计算结果表示,该方法的插值精度高于Shepard插值法与多项式拟合法的精度。插值范围大及测点数量众多时,该方法仍可用,无需数据分区与光滑接边,与整体插值相比可大大降低计算时间。     

利用主成分分析法分析GNSS坐标时间序列

利用主成分分析法对陆态网224个GNSS基准站坐标时间序列进行分析.首先对基准站原始坐标序列进行突变项拟合、粗差剔除、缺失数据插值补齐等预处理;然后对预处理后的站点残差坐标时间序列分N、E、U方向组建时间序列矩阵进行主成分分析,根据各方向主分量及其相应的空间特征向量分析站点空间响应分布特征、共模误差以及异常站点的影响....     

基于ARMA模型的地磁偏角缺数处理方法

针对地震仪器记录的地磁数据存在单点缺失和连续多点缺失而不利于地震数据处理和地震预报的问题,同时为了快速处理非震异常值,本文提出将时间序列自回归移动平均（ARMA）预测模型用于地磁数据插值处理,并与均值插值、线性插值进行对比分析。结果表明,均值插值、线性插值和 ARMA 模型单点缺失的平均标准误差分别为 0.110 2、0.006 9 和 0.000 1,连续多点缺失的平均标准误差分别为 0.258 23、0.194 2 和 0.004 86,说明 ARMA 模型在单点缺失和连续多点缺失时均具有较低标准误差,且能很好地保持实际观测序列的曲线形态,插值效果较好,有望成为地磁数据序列处理的一种新方法。     

电磁地理环境监测数据空间插值方法

电磁地理环境无所不在,电磁环境的“时间、空间、频率”特征进行监测与分析对于评估电磁地理环境对人类的日常生产生活的影响具有十分重要的现实意义。目前电磁辐射数据的获取方法和空间化表达的研究非常有限。电磁现象有着自身的空间传播与衰减特性,传统的空间插值方法并不适用于电磁现象的空间化表达。全频段车载电磁环境监测系统沿道路密集采集获取不同频段电磁辐射强度信息,需要对其进行空间插值才能刻画其二维空间的分布特征,本文根据电磁波空间传播规律,提出并实现了基于电磁辐射传播模型的电磁环境空间插值方法,对车载移动电磁环境监测系统获取的数据进行空间化处理,并将该方法与常用的IDW和Ordinary Kriging空间插值方法进行实验对比分析。实验结果表明,本文方法比其它空间插值方法更适合于电磁地理环境数据的空间化表达。     

插补GNSS坐标时间序列的改进DINEOF算法

针对GNSS坐标时间序列插补中数据插值经验正交函数（data interpolating empirical orthogonal functions,DINEOF）算法受低相关度站点影响、连续长空缺插值效果欠佳的问题,提出相关数据插值经验正交函数（coefficient data interpolating empirical orthogonal functions,CDINEOF）算法。首先计算目标站点与其周围站点数据的相关度,然后筛选出相关度较高的数据构建观测矩阵,最后采用DINEOF算法对观测矩阵中的缺失数据进行插补。通过模拟数据和实测数据验证新方法的可行性,并与DINEOF算法和多项式插值法的结果进行对比分析。模拟数据实验结果表明,当观测数据存在连续长空缺时,CDINEOF算法的插值效果优于DINEOF算法和多项式插值法。实测数据实验结果表明,CDINEOF算法在保留方差最大化方面效果最好,与DINEOF算法和多项式插值法相比分别提升了11.8%和6.7%。     

基于信息熵的空间插值影响因素分析

空间数据作为一种地理现象的离散度量广泛应用于各类地理空间分析。然而,空间数据经常由于各种原因出现数据的缺失,存在不完备的特性,需要利用空间插值方法对其进行插值估计。现有国内外对于空间插值方法的研究较多,但是对于空间插值影响因素的分析研究则相对较少。本文首先对国内外相关空间插值研究工作进行总结和回顾,进而探讨不同采样密度、采样分布和采样粒度对于空间插值精度的影响。在此基础上,提出一种基于信息熵的空间插值影响因素分析方法。该方法针对采样数据的不同采样密度和采样分布,对空间数据的可插值性进行比较分析,进而探讨插值粒度,即插值网格分辨率对于空间数据可插值性的影响。最后,采用一组实际数据验证了使用信息熵对空间数据进行可插值性研究的可行性和适用性。     

A Spatiotemporal Interactive Processing Bias Correction Method for Operational Ocean Wave Forecasts

Numerical models and correct predictions are important for marine forecasting,but the forecasting results are often unable to satisfy the requirements of operational wave forecasting.Because bias between the predictions of numerical models and the actual sea state has been observed,predictions can only be released after correction by forecasters.This paper proposes a spati-otemporal interactive processing bias correction method to correct numerical prediction fields applied to the production and release of operational ocean wave forecasting products.The proposed method combines the advantages of numerical models and Forecast Discussion;specifically,it integrates subjective and objective information to achieve interactive spatiotemporal correc-tions for numerical prediction.The method corrects the single-time numerical prediction field in space by spatial interpolation and sub-zone numerical analyses using numerical model grid data in combination with real-time observations and the artificial judg-ment of forecasters to achieve numerical prediction accuracy.The difference between the original numerical prediction field and the spatial correction field is interpolated to an adjacent time series by successive correction analysis,thereby achieving highly efficient correction for multi-time forecasting fields.In this paper,the significant wave height forecasts from the European Centre for Medium-Range Weather Forecasts are used as background field for forecasting correction and analysis.Results indicate that the proposed method has good application potential for the bias correction of numerical predictions under different sea states.The method takes into account spatial correlations for the numerical prediction field and the time series development of the numerical model to correct numerical predictions efficiently.     

基于GPS高程时间序列粗差的抗差探测与插补研究

研究抗差估计和稳健估计粗差探测IQR准则的粗差剔除算法以及缺值点插值的正交多项式最小二乘拟合方法。以中国3个CORS基准站从1999-03-01—2009-12-31日的单天解GPS高程时间序列为对象进行粗差探测与插补的试验。结果表明：抗差估计比IQR准则能更有效地探测和剔除粗差;三次样条插值当连续缺失历元超过5~10个时插值结果易发生扭曲;低次正交多项式拟合的结果稳定,一般选择2~3次拟合即可获得理想的效果,当连续缺失历元达3个月时,正交多项式拟合后的曲线与序列趋势仍基本一致。