用于相对稳定点组判别的QUAD法

将用于粗差探测的QUAD方法加以推广，用来筛选和判别构造块体上观测点中的相对稳定点组。详细介绍了具体算法、公式，讨论了该方法使用中需要注意的问题，最后以华北地区的GPS实测结果为例，给出了一个算例。     

拟稳平差中相对稳定点的聚类分析

应用模糊聚类分析法确定形变网中的相对不动点群是一种比较理想的方法。本文在文献[1]的基础上对该方法作了更进一步的研究。提出了以“指数相似系数法”公式求聚类分析的相似系数的方法,并通过一个模拟网的分析验证了该方法寻找相对不动点群的可靠性。结果表明:1.该方法能够将变形网中移动量大于4σ的点准确地从稳定点群中区分出来;2.当网中存在多组相对不动点时,该方法虽能将它们相互分开,但无法确定采用哪组作拟稳点;3.在网中不存在稳定点的情况下,该方法还能将移动量大的点与移动量小的点区分开。     

GPS测站所处构造位置的统计检验

运用方差分析理论,基于有约束和无约束平差所得到的方差的统计特征,给出了一种根据复测结果判别一组测站是否位于同一构造块体上的假设检验方法。该方法实质上是通过方差比,检验某组测站位于同一构造块体的约束是否正确,从而达到判别的目的。这一方法已实际应用于华北地区ＧＰＳ复测资料的分析［７］,取得了较好的效果。     

一种改进的最小凸包生成算法

为解决最小凸包算法在计算超过106数量级的点数时计算时间比较长的问题,提出一种将数据点集进行一次扫描,得到横向和纵向排序点表,并建立初始凸包,再运用增点法逐步从外向内判别数据点是否加入凸包表的改进算法.该方法稳定性高、计算速度快.     

水准网中的相对稳定点组

本文讨论了形变网中选择基准的意义,指出为了研究形变机制与过程,选择在一定时期内点之间相对稳定的点组,以其重心为位移埸的参考基准是较为理想的。文中讨论了水准网中选择稳定点组的方法,对京津地区部分水准网作了处理,证实北京原点从1966年到1976年每年下沉约2毫米左右,因此在许多问题中不宜选此点作为参考基准。     

相对于一组稳定点的位移的确定方法

在分析地壳变形时,除了要确定各构造块体间的相对运动外,常常还需要确定各构造块体本身的变形状态,为此介绍了确定某一个构造块体内的变形监测点相对于该块体内一组相对稳定点位移的几种方法,并用一个例子证明这些方法可得到基本相同的结果,因而可根据资料处理不同的需要加以选用。得到的这种位移可作为各块体变形分析的基础。     

基于基础矩阵的相对定向方法研究

针对倾角大的立体像对的相对定向不稳定等问题,提出了一种基于基础矩阵的相对定向方法,首先以SIFT匹配的同名点初步计算像对间的仿射变换,然后对影像分格网提取特征点并匹配出均匀分布的同名点,利用均匀分布的同名点通过奇异值分解方法解算基础矩阵参数,根据对应关系,将基础矩阵转化为立体像对的定向参数,最后通过相对定向严密解精确纠正定向参数。实验表明,本文的定向方法结果稳定,能够满足精度要求。     

基于微分形态学断面的机载LiDAR数据滤波新方法

提出一种基于微分形态学断面的机载LiDAR点云数据滤波新方法。该方法由点云数据构建规则格网,去除粗差点;对构建的每一个格网进行多尺度分解,获取初始地面点及地物点;分别利用曲面逼近及微分形态学断面构建DTM（digital terrain model）,通过阈值函数判别二者之间的残差,确定最终地面点。使用国际摄影测量与遥感学会提供的测试数据进行实验,并与8种经典滤波算法比较分析,表明该方法能够有效去除地物点和保留地面点,并降低总误差。     

位移分析

在有些形变测量网中,有相对点位较为稳定的点,这些点之间计算得的相对位移则主要是由于观测误差而产生的。根据偶然误差的特性,这种点位位移之和应接近于零。因此,在各期网中,这些点的重心保持不变,而且由这些点构成的图形也不会有旋转。很显然,用这组点作为位移场的参考点系在物理上更为合理。本文得到了这样的位移场,并称之为多稳定点位移场解。在数学上这种解的误差积累较小。本文还讨论了求各地块之间相对运动的解。本文给出了美国加利福利亚霍利斯特测距网的计算实例。     

基于Fisher判别分析法的岩溶塌陷预测

为了更准确地预测岩溶塌陷,基于Fisher判别分析法,首先选择内聚力、内摩擦角、覆盖层厚度、覆盖层厚度减高水位埋深、覆盖层厚度减低水位埋深5个最主要的影响因素作为判别因子;接着以桂林市20组岩溶塌陷案例为学习样本进行计算,建立相应的Fisher线性判别函数;然后利用回代估计法对上述20组样本的预测结果进行逐一检验,其正确率为100%;随后将上述预测结果与前人运用逐步判别、神经网络判别等方法得到的结果进行比较分析,认为Fisher判别分析法具有不需进行模型和参数的选择以及不受人为因素的影响等优点;最后将建立的Fisher线性判别函数用于另外的10组实际案例进行预测分析,预测结果与实际情况完全吻合。结果表明:用Fisher判别分析法进行岩溶塌陷预测,简易方便,正确率高,实用性好;该方法是岩溶塌陷预测的一种新方法。     

�����Եر��α�������Ƚ������׼��ȷ��

???????????????λ????????λ?????????η??????С???????????????????????飬???????????????????????????????λ?α????????????衣???Ч????????λ?ú?????????????????????′??????????λλ??????????????????GPS????????????????????м????????÷?????????α??????????????Ч???     

高精度重复相对重力观测量提取

采用RANSAC算法剔除观测数据中的离群值,再使用线性内插法进行补全,利用整体投影计算的思想提取两点间的相对重力值,并对其精度和标准差进行检验。结果表明,动态重力观测的残差最大值为4.641 μGal,重复性标准差最大值为4.384 μGal,均优于5 μGal。该方法可获得较高精度的重力观测数据,为在复杂环境下获取相对重力值提供一种新方法。     

一种地形自适应的机载LiDAR点云正则化TPS滤波方法

随着机载激光雷达成像技术（LiDAR）的不断发展,激光点云数据处理的相关研究也在不断深入。点云滤波是机载激光雷达点云数据处理的重要环节之一。针对多数经典滤波方法在复杂地形和地物条件下的滤波效果不够理想的现状,提出一种新的基于相对变异系数的地形自适应正则化薄板样条插值点云滤波方法。采用二维区域增长获取初始插值参考点后,基于线特征约束对参考点进行优化,去除部分低可靠性参考点以得到较准确、分布离散均匀的初始插值参考点集合,在此基础上通过正则化薄板样条插值方式来拟合地形点与地物点之间的滤波分类面,完成对机载激光点云的高精度自适应滤波。对比实验结果表明,本文的地形自适应滤波方法在2组实验数据的总体错误率分别达到4.14%和4.17%,在错误率和多地形综合表现等方面具有优势,且滤波运算效率在目前主流的滤波算法中处于较高水平。另外,实验结果验证了地形自适应滤波方法在斜坡、山脊等起伏较多的复杂地形与包含植被和建筑物的混合地形等处的点云滤波结果具有较好的准确性。     

用变形分析方法研究鲜水河断裂带的地震形变

提出了一种变形分析和用Ｒｏｂｕｓｔ原理进行位移场变换的方法，并用以计算了鲜水河断裂带的水平形变，给出了比较客观的位移场。按均匀应变模型计算了点和图形的均匀应变和分区应变的加权平均值，结果说明主应变轴方位与破裂线方位相关；在北西走向的主干断裂上，无论是破裂区或闭锁区，主压应变轴方位都是近东西向的。采用样条函数和截断多项式函数拟合跨断裂的点，用非线性动态平差模型求得了地震区的垂直形变模型，结果显示了道孚地震震前的加速形变、震时以震中为中心的下沉和震后的反向回升运动。     

一种计算简单奇异点的有效算法

本文提供一种加边算法用以计算简单奇异点 ,并用数值例子的计算说明算法的有效性。     

机载LiDAR点云数据的二面角滤波算法

机载LiDAR是获取地表DEM的重要技术之一。本文针对机载LiDAR点云数据在复杂城区环境下的大型建筑及低矮地物滤波问题,提出一种新的二面角滤波法。利用空间二面角的平面角可以表达空间两相交平面相对位置的原理,实现机载LiDAR点云数据滤波。首先,算法提取点云数据中的高程突变点,以非突变点的二面角余弦均值稳定性作为判定迭代结束的条件;其次,分别统计高程突变和非突变点集的二面角余弦值频率分布,以交点处对应余弦值和最后一次迭代的坡度值作为LiDAR点云滤波的判定条件;最后,利用数学形态学“开”算子,去除残留低矮植被,得到可靠的滤波结果。对同一区域机载LiDAR点云数据,通过“二面角法”与“渐进三角网法”进行滤波处理。实验结果表明,二面角滤波法能有效地降低地物点错分为地面点的百分率,且在去除地物信息的同时能良好地保留地形特征。     

基于样条小波和Gabor小波的边缘检测

提供了对图像边缘的两步检测法.先利用样条小波变换模极大值法对图像进行处理,接着利用Otsu的阀值法把模值分为边缘点,非边缘点和待选边缘点.对待选边缘点进行Gabor小波分解,再对其系数进行单阀值处理,就可得到不同尺度下较精确的图像边缘.用小波变换对图像进行边缘检测可以很好地抑制噪声,但其缺点是边缘存在不连续的现象.提供的方法保留了小波变换的优点又进一步提高了检测的精确度和图像边缘的连续性.     

基于CMONOC GPS数据的SSA电离层预测模型研究

利用基于CMONOC的GPS观测数据反演中国大陆区域高精度的RIM,并将奇异谱分析(SSA)方法应用于TEC预报,判断不同序列长度对预测结果的影响,并根据w-correlation选取合适的RC迭代阶数和窗口长度。结果发现,当TEC时间序列长度为27 d,窗口长度为序列长度的1/3、迭代SSA分解的前5项时,预测效果最好。提取RIM中心网格点的TEC数据,分别以年积日1~27、101~127、201~227、301~327等4个时段的TEC序列为原始数据,基于SSA进行7 d的预测,同时建立ARMA预测模型。结果显示,相较于ARMA预测,SSA方法总体预测精度提高约10%,预测时段更长。进一步对4个时段RIM中2 911个网格点处的TEC进行预测,发现RMSE随着纬度减小而增大,预测相对精度呈现中纬度比高、低纬度略高的特点,但无论哪种精度指标,SSA预测模型均优于ARMA预测模型。     

用边长变化结果计算地应变及块体划分

在均匀应变的假设下，给出了由边长变化求解地应变的新方法，通过统计检验相邻三角形的最大主应变，可判别相邻测点是否位于同一个均匀应变体上，采用弹性位错理论设计的模拟算例表明，该方法能成功地将位于断层两侧的测量点分辨开。