利用ARMA模型改进GPS高程时间序列的研究

ARMA可用于时间序列建模,本文利用ARMA模型改进了部分IGS连续跟踪站GPS高程时间序列。计算了改进前后时间序列的线性速度,可以发现时间序列线性速度变化不明显,但精度却提高很多。通过研究表明利用ARMA模型有利于降低GPS高程时间序列噪声,可用于GPS高程时间序列的分析和研究。     

GNSS位置时间序列分析理论与进展

GNSS时间序列分析对大地测量和地球物理领域研究具有重要意义。梳理和总结了大地测量时间序列特别是GNSS位置时间序列的研究现状和进展。重点介绍了GNSS时间序列分析的理论和方法,并同时指出了GNSS时间序列分析中存在的不足和下一步改进的方向。     

遥感时间序列影像变化检测研究进展

同一区域、不同时期大量历史数据的积累,以及同一区域能够方便地获取高时间分辨率遥感数据,使遥感时间序列影像变化检测成为近年来遥感技术与应用的研究热点。本文系统总结和评述了当前遥感时间序列影像变化检测的相关研究进展和应用状况,在阐明遥感时间序列分析的意义,以及时间序列影像在变化检测中的优势的基础上,从非遥感领域时间序列变化检测方法出发,针对遥感时间序列影像变化检测的需求,明确和归纳了遥感时间序列变化检测的问题与类型,并对当前最新研究进行了综述,总结了各种方法的优点与不足,重点介绍了基于经验模态分解的遥感时间序列影像异常信息检测方法和基于隐马尔可夫模型的土地利用/覆盖变化检测方法,以期能够为相关研究提供参考。最后总结了该研究领域的发展趋势和存在问题,并对今后的研究工作和未来发展方向进行了展望。     

时间序列分析在测量领域的应用

时间序列分析是通过对研究对象随时间变化的过程来反映其变化规律并进行预测和分析。目前时间序列分析在统计、金融、贸易、信号处理及测量等学科领域都有所应用。本文对时间序列的基本概念、常用建模方法等进行了概要总结和描述,对时间序列分析在测量领域的应用进行了探讨,为今后的研究积累了一定的经验。     

GPS时间序列分析

GPS时间序列可以用于获取各种地球物理现象、地壳运动的季节性变化规律和板块运动的速度,对地球动力学的研究具有相当重要的意义。本文详细阐述了GPS时间序列分析的方法及其过程,对国内IGS站数据的时间序列进行了分析,并运用功率谱分析其残差时间序列,最后获得GPS连续跟踪站时间序列的噪声类型。     

支持向量机在建筑物变形监测中的应用探讨

论述了支持向量机的回归算法和基于时间序列支持向量回归的建筑物变形预测方法,并用MATLAB6.5工具箱编制基于时间序列支持向量回归程序,建立了基于时间序列支持向量回归模型。最后以实例数据讨证基于时间序列支持向量机回归模型的预测方法。研究表明:用时间序列支持向量回归模型建立的建筑物变形监测的预测模型是可行的和有效的。     

GNSS坐标时间序列分析理论与方法及展望

长期累积的全球卫星导航系统（Global Navigation Satellite System,GNSS）基准站坐标时间序列为大地测量学及地球动力学研究提供了基础数据。通过完善GNSS数据处理模型及策略,研究造成非线性运动的机制并进行有效建模,可以获得测站准确的位置和速度,不仅有助于合理解释板块构造运动,建立和维持动态地球参考框架,而且能更好地研究冰后回弹及海平面变化,反演冰雪质量变迁等地球动力学过程。首先从基准站坐标的精确获取、时间序列模型构建、时间序列信号分析等方面描述了GNSS坐标时间序列分析的理论与处理方法;其次,探讨了坐标时间序列噪声模型构建技术,给出了严密三维噪声模型构建方法;然后,疏理了坐标时间序列中非线性变化成因机制的研究进展;最后,总结了基于GNSS坐标时间序列的应用领域,并展望了其未来的发展方向。     

利用Landsat时序NDVI数据进行新疆石河子垦区灌溉作物分类

精确的农作物分类信息对于农业环境评估、水资源利用规划非常重要,尤其是在干旱、半干旱地区。本文利用30 m分辨率的Landsat NDVI时间序列数据进行了新疆石河子垦区混合农作物精确区分的潜力研究。首先利用S-G滤波重构了Landsat NDVI时间序列,然后基于SVM模型对研究区域农业类型进行了精确分类。在SVM分类模型作用下,S-G重构后的时间序列有效地将该地区棉花、玉米、小麦等主要作物区分开来,精度高于0.86,Kappa系数大于0.82。结果表明,S-G滤波能够有效提高NDVI时间序列数据质量;TM影像时间序列在监测干旱、半干旱地区的作物类型和种植方式随时间的变化方面存在巨大潜力。     

混沌理论在变形分析与预报中的应用

由于受到各种环境因素及仪器本身的影响,变形监测被看作为一个复杂系统。它本身的各种参变量是不确定的、随机的,表现为复杂的非线性行为。运用现代混沌理论,对变形监测时间序列进行探索性研究,把混沌时间序列理论引入到变形分析研究中,对该理论的建立及预测方法进行了讨论。通过实例表明混沌时间序列预测方法对变形数据序列的预测具有比较好的精度。     

时间序列分析及其在测绘领域的应用初探

时间序列分析是通过对研究对象随时间变化的过程来反映其变化规律并进行预测和分析。目前时间序列分析在统计、金融、贸易等学科领域应用较多,但在测绘领域的应用才刚刚开始。本文对时间序列的基本概念、常用建模方法等进行了概要总结和描述,并通过一个SPSS(Statistical Productand Service Solution,统计产品和服务解决方案)实例的分析,显示时序分析模型的应用过程,对时间序列分析在测绘领域的应用潜力进行了初步探索,为今后的深入研究积累了一定的经验。     

基于时序InSAR的东营地区地表沉降研究

黄河携带大量泥沙入海,河口三角洲覆盖20~50m厚的沉积层。沉积层的自然压实导致该地区的地表沉降。此外,黄河三角洲油气资源的开发和地下水的开采也加速地表的下陷。InSAR作为一种有效的空间大地测量工具,可以提供几十公里范围内的高精度地表形变场。时序InSAR技术在多幅雷达影像组成的干涉网络基础上,识别永久散射体(PS)等雷达回波信噪比高的像素。与传统的InSAR技术相比,时序InSAR技术削弱雷达影像去相干效应的影响,实现长期的形变序列提取。文中利用两组雷达影像:19幅ERS卫星1992年12月至1996年1月的SAR影像,17幅ENVISAT卫星2003年5月至2008年3月的SAR影像。影像主要覆盖山东省东营市及其周边部分区域。结果显示,东营地区存在每年15mm以上的地表沉陷,该地区的地表沉降与油气开采活动有关。     

空基下视时序影像瞬时成像模型研究

物方空间的物体随着时间的推移进行着绝对运动,运动导致了相对位置的变化,时间序列影像记录了物方三维空间的动态变化。本文基于下视时间序列影像的动态特性,在共线方程中引入时间元素,提出了空基下视时间序列影像瞬时成像模型,描述了动态“物像”间的瞬时投影关系;针对地表不同类型动态物体,构建了“由像到物”的应用模型,实现了从像方动态特征计算地表物体特征的目的。通过仿真和真实航空下视序列影像的试验与分析,验证了序列影像瞬时成像模型能够定量计算像地动态特征。     

PCA方法在GPS坐标时间序列分析中的应用

以安徽及邻区8个GPS连续站点的观测数据为基础,应用主成分分析法提取其共模误差,并对扣除共模误差前后的残余时间序列进行了对比分析。结果显示,扣除共模误差后的残余时间序列的周期性变化较为明显,数据信噪比有所提高。     

观测与测量标准在水文观测建模中的应用

介绍了观测与测量信息模型的基本构成,研究了复杂观测模型和时间序列观测模型及其建模方法,实现了对金沙江下游攀枝花水文站的多要素观测建模和水位过程观测建模及建模结果可视化。     

地铁结构变形预测的时间序列模型方法研究

本文根据南京地铁某区间隧道结构变形监测数据,分别采用回归分析方法和时间序列分析方法建立模型,对地铁结构变形进行预测。计算结果表明在该工程实例中,回归分析模型的预测精度约为±0.20mm,时间序列模型的预测精度约为±0.08mm,较回归分析模型提高了60%,能够较好的对地铁结构变形进行预测。     

多维AR序列的最小二乘建模方法

以测量数据处理中广泛应用的最小二乘原理为基础，详细阐述了多维AR序列参数估计的最小二乘算法、阶数确定的F检验法，并对清江隔河岩大坝1998年5月、6月间洪水前夕平差后的GPS观测数据进行了建模和预报，验证了多维时间序列分析应用于变形观测数据处理的可行性。     

城市地铁变形监测数据处理

为确保地铁施工安全进行变形监测是非常重要的手段,而变形监测的最终目的是预测,即对观测物的未来形态进行预报和分析。时间序列的原理是找出事物随时间变化的规律,从而对数据变化趋势做出正确的分析和预报。本文通过对时间序列的研究对长春地铁繁荣路站的变形监测数据进行了分析和预报。     

时间序列分析在地铁沉降监测中的应用

采用时间序列分析方法,对长春市地铁一号线——繁荣路站基坑变形监测点连续28期的数据进行分析处理,建立自回归模型,并对后4期数据进行预报,其一步拟合中误差为σ=±0.2 mm,具有较高精度。通过对数据的分析,论证了时间序列分析方法在地铁沉降监测中的可行性与有效性。     

时间跨度对GPS坐标时间序列噪声模型估计影响分析

文中介绍GPS坐标时间序列模型,并给出GPS噪声模型种类、估计方法及最佳噪声模型评价准则。选取来自IGS08的24个IGS核心站的时间序列作为数据基础,对不同时间跨度的时间序列噪声模型进行定量分析,探讨其随着时间变化的演化规律。结果表明:当时间序列长度较短时,噪声模型的不确定性较大,而12.5a以上时间跨度的噪声模型趋于稳定且主要表现为闪烁噪声加白噪声的组合噪声模型;大跨度时间序列中噪声的长周期分量变得显著。