K-means++分区法在密集型测站中的应用研究

GAMIT软件在解算大型密集测站时一般需要进行分区处理,分区解算对结果的精度具有一定的影响。为了解决一般分区方法中长短基线同时存在而导致整网解算精度降低的问题,引入了K-means++算法和Hash算法实现分区,简称为K-means++分区法。首先利用K-means++算法对测站进行聚类,再利用Hash算法进行排序组合,这样能得到分布均匀的子网。文中采用整网解算结果作为标准值,分析区域分区法和K-means++分区法的基线长度、基线精度及三维坐标差,然后再将K-means++分区方法与间距分区法进行对比分析。实验结果表明,该方法比区域分区法精度更高,与现有的间距分区方法精度相持,且比间距分区法要稳定高效。      

近海潮汐效应对上海地区精密定位的影响

针对全球海潮模型在不同沿海地区存在差异性以及在中国近海精度不高的问题,利用全球海潮模型FES2004和NAO99b计算上海地区(经纬度范围为120.85°E～122.2°E,30.6667°N～31.8833°N)S₂、M₂、K₁和O₁四个分潮的海潮负荷位移在垂直分量上的差异;并利用中国近海模型osu.chinasea.2010对全球海潮模型FES2004中相应的区域进行替换,计算近海效应对SHJZ站(上海金山)、SHJBS站(上海宝山)、SHAO站(上海佘山)以及DCMD站(上海崇明)四个测站精密定位的影响。结果表明:1) 全球海潮模型FES2004和NAO99b在上海地区存在较明显的差异,尤其是垂直分量,最大接近4 mm,且两个模型的差异随离海洋距离增大而减小;2) 利用修正前后的全球海潮模型FES2004经过计算分析得出,近海效应对上海地区GPS测站精密定位的影响达到5 mm,对测站垂直分量的位移影响从大到小分别是DCMD站(5.1 mm)、SHBS站(4.9 mm)、SHJS(4.2 mm)、SHAO(3.6 mm)。