火星极移时变分析与预报北大核心CSCD

火星极移属于火星定向参数,通过对火星极移时间序列周期项进行研究,可以更加深入地了解火星内部结构及大气和潮汐运动的特征与规律。利用NASA提供的NP.ang和NP.ds火星极移序列进行时变分析与预报,时变分析使用快速傅里叶变换(fast Fourier transform,FFT)进行处理。结果表明,NP.ang与NP.ds两组数据的周期项长度基本一致,且与火星年具有很强的相关性。短期预报结果表明,使用差分整合移动平均自回归(autoregressive integrated moving average,ARIMA)模型对NP.ds进行20 d内的短期预报是一个可行的思路;中长期预报结果表明,使用最小二乘外推模型进行NP.ds数据的中长期预报是可行的,且使用准确度更高的周期项进行最小二乘外推模型的拟合,可以显著提高对NP.ds的中长期预报精度。本文研究结果可为火星极移的预报研究提供参考。     

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.     

顾及大气角动量的Prophet-VAR日长变化预报方法

针对日长变化参数序列中蕴含的复杂非线性特征会严重影响其预报精度的问题,同时为探讨引入大气角动量序列是否有助于提升预报精度,提出一种Prophet拟合外推联合向量自回归(vector autoregression,VAR)残差补偿的组合模型用于日长预报.选用2008～2020年的日长变化参数序列进行实验,同时设计不顾及大...     

最小二乘外推与ARIMA(P,1,0)组合模型在极移短期预报中的应用

将ARIMA（P,1,0）模型应用到极移随机性部分序列的预报中,提出了利用最小二乘外推与ARIMA（P,1,0）的组合模型来对整体极移序列进行短期预报。并与其他方法对极移1～5天的短期预报精度进行了对比,结果证明了该模型在极移短期预报上的有效性与优越性。     

不同时间间隔下的遥感时间序列重构模型比较分析

遥感时间序列被广泛用于地表信息探测。然而受传感器和外部条件的影响,时间序列存在不同程度的噪声。时间序列重构模型能够实现时间序列去噪,但不同重构模型应用于不同时间间隔时间序列的精度不同。本文以辽宁省朝阳市为研究区,分别利用1、4、8、16和30 d间隔归一化植被指数（Normalized Difference Vegetable Index, NDVI）时间序列,进行模拟数据实验和物候监测实验,从波形还原能力和物候期提取精度2方面,评价了SG滤波、DL拟合、HANTS 3种模型在不同时间间隔下的重构效果。结果表明,SG滤波模型适用于较大时间间隔的时间序列数据,DL拟合模型适用于较小时间间隔的时间序列数据,HANTS模型对较小间隔的时间序列重构精度较低。在此基础上,从模型自身的角度分析了3者在不同时间间隔下表现的原因,并为面向不同时间间隔时间序列数据的重构模型选择提供了参考。     

确定海平面长趋势变化方法的讨论

本文讨论了在我国海平面研究中常用的线性回归和滑动平均方法确定平均海平面长趋势变化存在的问题,指出当海平面观测系列包含有周期变化成分时,上述两种方法通常不能得到正确的结果。建议先对观测序列作显著周期分析,然后以线性趋势项与显著周期项拟合观测序列的方法来确定平均海面的长趋势变化。     

一种削弱区域CORS站坐标时间序列非线性变化的方法

为削弱测站非线性变化对速度场模型和噪声模型的影响,提出一种EMD分解与环境负载改正相结合的方法,利用徐州区域10个CORS站近2 a（2016-06～2018-05）的时间序列对该方法进行验证。首先利用Bernese软件解算测站坐标时间序列,对去线性项的时间序列进行EMD分解,重构周期项和残差项;然后利用GFZ发布的环境负载产品对重构的周期项进行改正,以谐波函数拟合加环境负载改正方法作为对照。结果表明,EMD分解与环境负载改正方法对非线性项具有18%的修正效果,优于谐波函数拟合加环境负载改正方法;各测站在水平N方向和E方向改正不明显,U方向改正效果明显,产品综合改正效果优于单个产品改正效果。     

一种顾及钟差周期误差和随机特性的卫星钟差预报方法

提出一种顾及钟差周期误差和随机特性的卫星钟差预报方法。首先通过比较二次多项式加1、2、3、4个主要周期误差的模型,取其优者求得钟差预报的拟合值;然后针对拟合残差值的随机特性采用灰色模型进行建模,求得拟合值残差预报值;最后,将其与之前求得的预报值相结合得到最终的钟差预报值。采用IGS的15 min精密钟差数据进行实验,结果表明,在短期预报中,加2个主要周期误差的模型预报性能最好,并且新模型的预报精度优于常用算法。     

一种顾及参数稀疏的GNSS瞬时钟差模型

提出一种顾及参数稀疏的GNSS瞬时钟差模型构建算法,该算法通过在最小二乘多项式拟合中附加L₁范数项(Lasso)进行约束,并采用滑动建模的方式拟合钟差模型,即滑动Lasso拟合法。使用GFZ 300 s钟差产品作为训练数据,通过10折交叉验证获得正则化参数,建立钟差模型,并与常用的钟差建模加密算法进行卫星钟差拟合精度与PPP定位精度对比。实验结果表明,滑动Lasso拟合法在进行钟差拟合建模时,对于局部钟差数据中出现跳变过大的钟差值,可以有效消除其在拟合过程中对模型造成的影响,防止模型过拟合,进而提高钟差模型的拟合精度与PPP定位精度。     

一种基于频谱分析和AR补偿的对流层延迟预报模型

利用实测天顶对流层延迟值（ZTD）,在无气象参数条件下,提出一种对流层延迟建模与预报方法。首先利用频谱分析,得到ZTD时间序列周期特性,并在此基础上对ZTD进行建模,给出模型参数计算方法。然后,基于频谱分析模型拟合ZTD,并与实测值进行比较分析。最后,将分析得到的拟合残差用AR模型进行改正并预报。结果表明,基于频谱分析和AR补偿的ZTD改正预报模型能够满足不同测试环境下的需求,精度达到cm级。     

基于ICEEMDAN与最小二乘的GNSS垂向序列噪声与非构造形变去除

通过完备总体经验模态分解(ICEEMDAN)与最小二乘法开展GNSS垂向序列的噪声与非构造形变去除研究。首先,采用ICEEMDAN方法对GPS垂向序列进行分解,分析GNSS垂向序列的年周期项、半年周期项和趋势项;然后,通过改进的小波阈值和排列熵值法对GNSS垂向序列进行降噪处理;最后,利用最小二乘法拟合非构造形变序列,找出与其最为接近的分解层数并进行改正,获得去除噪声和非构造形变的GNSS垂向形变信息。结果表明,利用ICEEMDAN方法可实现GNSS垂向序列噪声的有效去除;采用ICEEMDAN与最小二乘法可提高GNSS垂向序列形变测量精度,其中RMS值平均减小1.28 mm,WRMS差值平均增大0.33 mm。     

GPS卫星钟差高精度模型化及在精密单点定位中的应用

采用多项式和结合周期项的混合函数模型进行GPS卫星钟差高精度模型化与精度分析。结果表明，周期项对于卫星钟差模型化精度的提高具有重要作用。对于Rb 钟卫星，Block ⅡF卫星钟差模型化精度0.03 m（约0.1 ns）左右，Block ⅡR和Block ⅡR-M卫星钟差模型化精度0.05 m（约0.2 ns）左右，而Cs钟卫星钟差模型化精度则低一个数量级。采用精密单点定位进行模型化结果分析得到，混合模型化钟差参与解算的定位结果精度可达cm级，收敛时间约为4 h。以上表明，简单的模型化参数可在一定程度上代替繁琐的序列钟差，实现简化GPS卫星钟差服务模式。     

基于PPLN的时序数据组合预测模型

针对观测数据时间序列,综合组合预测与投影寻踪学习网络的优点,提出一种新的预测模型.即采用静态预测法提取多组趋势项部分,自回归模型提取周期项部分,将它们都作为投影寻踪学习网络的输入部分,然后利用PPLN具有逼近复杂非线性函数的能力,通过网络学习与训练解决传统方法定权困难的问题.沉降预测的实验结果表明,与传统的曲线拟合法、变权重组合预测法相比较,该预测模型精度更高、具有实用性.     

滑坡位移非线性时间序列预测模型研究

从分析滑坡位移的实际变化情况和滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身地质结构属性控制的趋势项位移分量和由外界环境因素影响的周期项位移分量。采用经验模态分解法对滑坡位移趋势项和周期项进行非线性时间序列的分解;在此基础上采用标准GM(1,1)灰色模型、滚动GM(1,1)灰色模型和灰色马尔科夫模型分别对滑坡位移的趋势项和周期项进行预测,将预测结果进行叠加运算,即可得到滑坡位移的预测值。以三峡库区白水河滑坡的位移变化情况为例,通过分析对比滑坡位移的实测值与预测值之间的位移-时间关系曲线,可以很好地预测出滑坡位移的发展变化趋势。这说明对滑坡位移进行时间序列分解,有助于提高滑坡位移的预测精度,并可有效应用于滑坡位移预测的工程实例中。      

用小波分析与灰色支持向量机预测高铁变形

针对高铁变形监测数据的非线性特征，构建一种基于小波与灰色支持向量机的高铁变形预测组合模型。利用小波分析获取不同时频尺度上的随机序列和近似序列，通过嵌入维数的确定和高低频数据的相关性分析，将重构后的随机序列作为遗传算法优化SVR模型的输入，对近似序列则采用灰色支持向量机来描述其演变特征，最后将二者预测结果进行耦合叠加，得到小波灰色支持向量机的组合模型预测结果。以贵广高铁实测数据为例，将均方差、平均绝对误差、平均绝对相对误差作为评判指标对预测效果进行评价，结果表明该模型较好地拟合了近似分量，同时避免了细节分量的过拟合，为高铁变形预测提供了新途径。     

GRACE与SLR J_2项时间序列的小波分析

利用小波功率谱分析和离散小波变换,对CNES/GRGS、CSR、GFZ等研究机构发布的GRACE时变重力位模型的J2项时间序列进行了周期分析和特征提取,并与利用SLR跟踪数据获得的J2项时间序列的分析结果进行了比较,结果显示:SLR跟踪数据获得的J2项相较GRACEJ2项具有更明显的季节性变化特征.GRACE 时变重力位模型的J2项中混淆进了161天的周期信号,是由海洋潮汐模型中存在的太阳半日分潮S2项的误差引起的.     

基于滑坡灾害预警分级的应急处置措施

滑坡灾害应急处置能力是地质灾害减灾防灾的重要方面。目前,基于滑坡灾害预测和预警分级成果,系统性的应急措施分类研究还鲜有展开,因此,以三峡库区白水河滑坡为例,运用时间序列加法模型将滑坡累计位移分解为趋势项位移与周期项位移,并分别应用多项式拟合及自回归（AR）模型对2个分量进行预测,在此结果上采用聚类分析方法将滑坡变形分为匀速变形与加速变形阶段,综合判断滑坡灾害预警等级,开展了针对滑坡预警分级的应急措施研究。结果表明:白水河滑坡预警等级主要为蓝色和黄色2种类型,对处于不同的预警等级下的滑坡,可根据滑坡变形特征快速决策,基于滑坡灾害预测和预警分级结果能更有效地指导滑坡应急处置。      

GPS/PWV时间序列特征提取方法的研究

针对GAMIT/GLOBK软件解算得到的4 a GPS/PWV时间序列的特征提取问题，提出基于滤波辅助的部分集成经验模态分解（PEEMD）与Hilbert谱分析相结合的特征提取方法。首先，在PEEMD方法的基础上,结合滤波辅助的PEEMD方法与Hilbert谱分析，建立GPS/PWV时间序列特征提取模型；然后，将所提出的方法应用于TNML测站4 a的GPS/PWV长时间序列和7 d的GPS/PWV短时间序列分析中，并将滤波辅助的PEEMD结果与传统的小波分解结果进行对比。结果表明，该特征提取方法能准确有效地提取出 GPS/PWV时间序列中的周年周期和日周期特征分量，滤波辅助的PEEMD分解结果与小波分解结果一致，且提取的特征分量与原始信号更加吻合。     

最优化分数阶算子EGM(1,1)模型在变形监测预报中的应用

针对传统灰色模型在形变监测中数据序列拟合和预测精度不理想的情况,提出粒子群算法优化的分数阶算子EGM(1,1)模型。通过粒子群算法选择拟合EGM(1,1)平均相对误差最小的分数阶次,构建最优分数阶算子EGM(1,1)模型。用典型的变形监测数据验证优化模型,结果表明,优化模型对变形监测数据的拟合和预测都达到较高的精度,说明优化模型在变形监测数据的处理中具有可行性和有效性。     

GM(1,1)模型的遗传算法优化及效果检验

对平稳的数据和非平稳数据两种数据序列建立的GM（1，1）模型，分别用加速遗传算法（AGA）和最小二乘法（LSM）对模型参数求解。结果表明：对平稳变化数据序列，两种方法建立的预测模型的拟合优度和预测精度无显著差异；对变化幅度较大的非平稳数据序列，基于AGA的GM（1，1）模型的拟合优度和预测精度高于基于LSM的GM（1，1）模型的拟合优度和预测精度。