��·��ЧӦ�ֶη��淽��

????·??Ч??????????????????????·??Ч?????????????????????????????????????????·??Ч?????г????????????????????????????????????????????????????б????о????????????????????????г?????????·??Ч????з?????????е????????????????????г????????     

һ���µij��������Ӳ�Ԥ������

????????????????????·???????????????????????????????????г?????????????????????????????????????????????ó???????????????????????????÷?????????????????????????????????     

���������׷����Ĵ������������ź���ȡ�����

???????????????SSA????С??????????????????????????????Ρ???????????????????????????????е?????????С?????????????????????????????????????????????????Ч??????????????????????????????ξ??ж????????????????????X??Y????????????????????????????￡??????????г????     

R8 GNSS��TCA2003��SPRINTER 200M�ⶨ���Ӷȵ��������

?????鳣???????????????????????е???????????????Trimble R8 GNSS/RTK??TCA2003?????????????????????????????SPRINTER 200M?????????????????????????????????0.5 Hz????????????????????????????????FFT?????????????????????????????????????????ж????????????????TCA2003???????????????????????????????????SPRINTER 200M????????????????????仯?????????????г???GNSS/RTK????????????г???     

�½���Դ���;�����6.6������ǰ�������仯

?????й??????????????1998-2010???????????????????????????????????????????????????????仯???????????о???2012??6??30?????????????????6.6?????????????????????????????????????????????????1???????仯????????????????????п????????????仯??????????????????????????????????????????仯Ч???2????????????????????????????????????????????????г????????????????????3??????????????????仯?????????80×10^-8ms^-2,????????6.6??????????????????????????仯???????????????仯??????????Ρ?     

��֦��6.1��Ҧ��6.0������ǰ�������������仯

????????????????????????о?2008??8??30??????????6.1???????2009??7??9?????????6.0????????????????????????????????????????????????????????????????????6.1?????6.0???????????????????г?????????????????????????????????????????????????????????-??????????????????????????????????????????6.1????????????????????ж??????????6.0???????????????????     

����RBF�������GPS�㲥������ֵ

?????????????????????GPS????????????г????Runge???????????t????????(Radial Basis Function,RBF)???????GPS????????????????????????в???????2011-07-25????????????t????????????????????GPS?????????????????????????GPS???????????????????÷???????Ч????Runge????????????????????????????????GPS????λ??????     

GPS��̬���β����еĶ�·��ЧӦ�����о�

?????????Χ??????????????GPS??·??Ч????к??????????????????β????е?GPS??·??Ч?????????????????????????????顣???????????????μ???е??·??Ч?????????г??????????????????????????????????????????????????????????????????????????????????????????t????????????????????·??Ч??????????????GPS???????????????30%?????     

���й�����ERA-Interim���ϼ���ZTD��ZWD�ľ��ȷ���

??????г??????????????ECMWF??????ERA??Interim???????й????????????????????????????????????ERA??Interim????????????????????ZTD?????????ZWD??????????????????28??GPS???????????ZTD??ZWD???б?????????ECMWF???????ZTD??????????????????????-1 cm??2 cm??ZWD??BJFS??LHAS?????????????????????1 cm??1.6 cm??     

����PS-InSAR�������ݱ��������ر��������

???27??ENVISAT ??????????????????????????PS??InSAR??????????????д??? ????????????????2006-2010?????α????о??????????1??????????????????????????????????????????????????????7??????????????г??????????????????????????????????????????????????????????LOS??????-27.19±5.66 mm/a??-24.65±5.14 mm /a??2?????????????????????????230 km²??3???????????????????????10.92±3.24 mm/a????????20????80????????????????????ε???????????????????4?????????????????????????????????????????????????     

����С�������LS-SVM�Ļ���ʱ������Ԥ��ģ�ͼ���Ӧ��

?????С???????????????????LS-SVM??????????μ???????????????????μ????????н???С???????????C-C??????????????????????????????????????????????????????????????????LS-SVM??????н?????????BP??????????????????????????????????????С???????LS-SVM????????????????????н??????Ч????     

基于相空间重构的FOA-GLSSVM深基坑变形预测模型研究

针对LSSVM模型参数选择的随机性与单一变量序列高维度重构参数选择的困难性，将相空间重构理论、果蝇优化算法引入LSSVM模型中，建立基于相空间重构的FOA-GLSSVM变形预测模型。为了验证提出模型的有效性与可靠性，结合具体工程实例与GLSSVM、支持向量机模型及最小二乘支持向量机模型进行对比研究。结果表明，提出的模型精度更好、稳定性更强。     

桥梁水平位移混沌特征识别与神经网络预测研究

跨海大桥系统受外界影响扰动,其变形伴有混沌现象发生。对桥梁变形监测数据实现了混沌识别,运用C-C法计算时间序列的延迟时间,用G-P方法求得最佳嵌入维数,通过求取的时间延迟和最佳嵌入维数对桥梁变形监测数据进行相空间重构,为混沌时间序列预测模型的建立奠定基础;基于RBF神经网络建立混沌时间序列预测模型,对实测数据进行桥梁变形水平位移预测,并与基于最大Lyapunov指数混沌时间序列预测结果以及实测数据进行对比分析。结果表明,基于RBF神经网络建立的混沌时间序列预测模型的预测结果比基于最大Lyapunov指数混沌时间序列预测模型的预测结果要好,且短期预测效果好。     

一种优化的GA-KF与BP-Adaboost地表下沉组合预测模型北大核心CSCD

为提高矿区GNSS CORS自动化监测系统地表下沉预测精度,提出一种结合小波分析,采用遗传算法优化的卡尔曼滤波模型(GA-KF)与相空间重构的BP神经网络强预测模型(BP-Adaboost)的组合预测方法。利用小波分析获取原始监测数据的趋势项和随机项,并分别通过GA-KF模型和相空间重构BP-Adaboost模型预测趋势项和随机项,两者之和即为最终预测结果。以亳州板集矿监测站数据为例进行预测,结果表明:1)与单一使用GA-KF和相空间重构BP-Adaboost模型预测值对比,该组合模型预测精度更高;2)组合模型受建模序列长度影响较小,平均相对误差在0.003%以内,远小于两种单一模型,具有一定抗干扰性。     

������������С��ȥ�������Ԥ��

?纣??????????硢????????????????????????????α???????????????????????????????????????db10С???????????????????????????????е???????????????С???????????????????????????????????????Lyapunov??????????????????ж???????????????????????????????????????з??????????????????????????     

基于相空间重构的GA-SVR组合模型边坡位移预测研究

在传统支持向量回归机的基础上,考虑观测数据的混沌特性,通过对训练样本的相空间重构,并结合遗传算法在寻参上的优势,建立边坡变形的相空间重构GA-SVR组合模型。通过组合模型对某矿山边坡位移预测值与实测值进行对比分析,发现组合模型在预测精度上更具优势。     

基于PSR-WSVM模型的边坡位移预测

为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。     

基于混沌时间序列的地下水位多步预测模型

利用相空间重构技术,并借助G-P算法、C-C方法和Wolf方法从宁陵地区地下水位一维时间序列中提取Lyapunov指数,结果表明此时间序列具有混沌特征。计算了宁陵地区地下水位时间序列的关联维数、时间延迟和最大Lyapunov指数,将局域加权一阶多步预测模型应用于地下水位预测。预测表明,此模型可有效应用于地下水位时间序列的多步预测。     

EMD-Wavelet����ģ���ڶ�̬�������ݴ����е�Ӧ��

????????·????????????????GPS???ж?????????????????????η???????????????С????????????EMD????????????????????μ?????????????????EMD??Wavelet????????????????????????е?????????С????????EMD?????????????н???EMD?????????????????????????????????????С???Wavelet??Kalman?????Kalman?????EMD?????EMD??Wavelet??????????????????????С????????????????????????????EMD??Wavelet?????GPS??????μ??????????????????     

EEMD-PSOGSVM耦合模型在深基坑位移预测中的应用

针对单一预测模型的不足,提出EEMD分解与粒子群灰色支持向量机（particle swarm optimization grey support vector machine,PSOGSVM）相结合的基坑位移预测模型。以基坑时间序列的混沌性为基础,利用EEMD分解时间序列,采用相空间重构技术构造样本,应用PSOGSVM模型进行基坑预测,并与GM(1,1)、SVM、遗传小波神经网络进行对比。结果表明,该算法预测精度好,具有良好的稳定性,可有效地应用于基坑位移预测。