基于小波分解与GA-LSSVM的GPS可降水量短临预报

针对GPS可降水量时间序列具有非线性、非平稳性的特征,研究一种基于小波分解（WD）、遗传算法（GA）和最小二乘支持向量机（LSSVM）的GPS可降水量短临预报方法。先采用小波分解将GPS可降水量时间序列分解成便于预报的低频分量和高频分量;然后利用遗传算法优化LSSVM参数,进而对各分量建立预报模型;再将各分量预报结果进行叠加重构得到最终预报结果。选取两组数据进行实验,并将预报结果分别与LSSVM和遗传小波神经网络（GA-WNN）预报结果进行对比。结果表明,该组合模型具有良好的泛化能力,可有效解决神经网络易陷于局部极小的问题,提高了全局预报精度。     

EMD与小波分析组合探测电离层VTEC周期方法研究

将EMD分解与小波分析组合应用于VTEC周期探测,通过对多尺度分解后的IMF分量进行小波分析,探测可能存在的电离层活动周期,从而提高探测成功率。分别对高、中、低3个不同纬度的VTEC序列进行周期探测,验证了该方法的可行性,并发现可能存在6 d、24 d等周期。     

基于EEMD-样本熵和GM-SVM的钟差预报方法研究

提出一种基于集合经验模态分解、样本熵和灰色支持向量机相结合的卫星钟差预报方法。首先利用EEMD对钟差序列进行分解,然后采用样本熵对复杂度相似的分量进行叠加组合,进而对各新分量建立高频支持向量机和低频灰色GM(1,1)进行滚动式预报,最后叠加各预报结果得到钟差预报值。用IGS提供的钟差数据作实验,与灰色模型、支持向量机、遗传小波神经网络的多步预报进行对比分析。结果表明,该方法预报精度较高,对于较长时间的钟差预报也能保证较好的预报效果。     

地基GNSS区域电离层延迟实时格网算法研究

采用中国区域陆态网络跟踪站的GNSS数据,利用载波相位平滑后的组合伪距观测值提取电离层延迟,扣除由CODE产品确定的卫星硬件延迟,利用半变异函数确定VTEC的空间相关性以及由经验值确定的时间相关性,建立VTEC和接收机DCB的随机模型,实现区域电离层实时格网建模。结果表明,模型99.7%的残差分布在1 m以内,内符合精度约0.3 m。以IGS电离层GIM为参考,格网点VTEC周日变化特征与之符合较好。接收机硬件延迟比较稳定,日变化量在1.5 ns以内;利用IGS卫星硬件延迟和球谐系数,从原始观测信息中分离出区域测站接收机硬件延迟,以此为参考,周日均值较差在2 ns以内。     

基于Holt-Winters的电离层总电子含量预报

利用IGS中心提供的不同经纬度平静期、活跃期14 d的电离层TEC格网点数据,以前8 d的TEC值作为样本序列,分别采用Holt-Winters加法模型和乘法模型建立TEC预报模型,并预报后6 d的TEC值。结果表明,无论在电离层平静期还是活跃期,2种模型所得预报结果大致相同,并与实际观测数据吻合较好,但加法模型的预测结果能更好地反映电离层TEC的变化特性。     

一种区域精密天顶对流层延迟组合预报模型

针对现有区域天顶对流层延迟(ZTD)模型属于函数或格网型,参数固定,且难以表达ZTD时空快速变化特性等问题,提出一种基于小波变换、傅里叶级数拟合、自回归(AR)、支持向量回归(SVR)的组合预报新模型构建方法。该模型在时域内对ZTD序列进行小波变换,分解出低频和高频序列。低频序列采用傅里叶级数拟合成时间函数,高频序列则由AR进行预报。在空间域内利用SVR建立位置参数向傅里叶级数参数的映射。在该模型中输入时间与位置信息即可获取ZTD预报值。利用94个GNSS基站2 a的ZTD数据进行建模,24个GNSS基站1 a的ZTD数据进行预测对比。结果表明,实测值与模型预报值之间的平均偏差为-2.02 mm,均方根误差为3.07 cm,优于大部分区域ZTD模型。在伪距单点定位测试中,该模型能够显著提高定位精度。实验表明,该组合模型具有较高的预报精度和可靠性,具有一定的应用价值。     

基于离散系统卡尔曼滤波的电子含量预报分析

使用中国地壳运动观测网络基准站的数据,拟合电离层VTEC模型的参数,提出了利用离散系统卡尔曼滤波方程预报电离层TEC的方法,并对2002年9月10日和2002年9月14日特定时刻的TEC进行了预报和分析,其半小时内的预报精度达到2.5 TECU,实验证明可以利用该方法对某些电离层活动进行有效预报。     

利用澳洲北斗GEO数据改进Klobuchar模型

利用澳大利亚科廷大学双频北斗GEO数据,分析了2013、2014年该地电离层VTEC的日变化、季节变化特性。在此基础上,针对Klobuchar模型在计算穿刺点VTEC上存在的不足提出一种改进模型。最后利用1 a的数据对改进模型计算VTEC的精度进行评估。结果表明,改进模型计算VTEC的精度明显高于原模型,绝大部分月份精度提高超过10%,总体精度达到64%以上。     

地铁隧道地表变形小波去噪及灰色-时序组合预测模型研究

以青岛地铁3号线地表变形横向观测线实测数据为例,开展小波去噪及时序组合预测模型的研究。首先,采用小波理论对观测值进行粗差剔除与去噪处理,根据均方误差最低、信噪比最高的原则,证实dmey小波1层分解、rigrsure软阈值小波去噪方法是最优的。其次,给出地铁隧道地表变形灰色-时序组合预测模型表达式,选用等维新息GM(1,1)模型和残差时间序列模型进行地表变形叠合预测。最后,通过小波去噪后时间序列预测模型、小波去噪前灰色-时序组合预测模型、小波去噪后灰色-时序组合预测模型进行计算分析,结果表明小波去噪后灰色-时序组合模型预测精度最高,并分析了各模型预测精度差别的成因。     

基于GM(1,1)+AR模型的钟差短期预报改进算法研究

针对传统GM(1,1)+AR组合模型的缺点,提出一种可及时更新建模序列和增强数据间相关性的循环式钟差预报模型,在预报过程中根据预报时刻的不同实时调整AR模型阶数。考虑到原始钟差建模序列长度会对预报精度造成影响,分别使用2 h、6 h、12 h和24 h的钟差序列构建模型。实验结果表明,改进模型的预报精度较传统方法有一定提高,且预报结果更稳定;使用不同长度的钟差序列构建模型对预报结果有一定影响,其中二次多项式模型受原始序列长度的影响较大,改进模型受影响较小。     

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。     

���ڷ�ƽ��ʱ�����еIJ�ͬ��������ȡ�����Ա��о�

??????????з?????????????????????????????????????????????????????????????????????????в????н????????????????λ???????н?????????????????????????????????????????????????????????????????????????????????????     

A Spatiotemporal Interactive Processing Bias Correction Method for Operational Ocean Wave Forecasts

Numerical models and correct predictions are important for marine forecasting,but the forecasting results are often unable to satisfy the requirements of operational wave forecasting.Because bias between the predictions of numerical models and the actual sea state has been observed,predictions can only be released after correction by forecasters.This paper proposes a spati-otemporal interactive processing bias correction method to correct numerical prediction fields applied to the production and release of operational ocean wave forecasting products.The proposed method combines the advantages of numerical models and Forecast Discussion;specifically,it integrates subjective and objective information to achieve interactive spatiotemporal correc-tions for numerical prediction.The method corrects the single-time numerical prediction field in space by spatial interpolation and sub-zone numerical analyses using numerical model grid data in combination with real-time observations and the artificial judg-ment of forecasters to achieve numerical prediction accuracy.The difference between the original numerical prediction field and the spatial correction field is interpolated to an adjacent time series by successive correction analysis,thereby achieving highly efficient correction for multi-time forecasting fields.In this paper,the significant wave height forecasts from the European Centre for Medium-Range Weather Forecasts are used as background field for forecasting correction and analysis.Results indicate that the proposed method has good application potential for the bias correction of numerical predictions under different sea states.The method takes into account spatial correlations for the numerical prediction field and the time series development of the numerical model to correct numerical predictions efficiently.     

基于EWT-Prophet方法的地表沉降预测

针对地表沉降预测研究中单一传统方法预测精度较低、预测过程不稳定等问题,提出一种经验小波变换(EWT)与Prophet预测模型相结合的优化预测方法.以江西省上饶市德兴矿区为例,采用30景哨兵1号影像进行SBAS-InSAR沉降研究,并获取该区域研究时段内的沉降时序数据.首先对原始沉降时序数据进行EWT自适应分解,分解产生...     

基于不等式约束算法改善高纬度地区GNSS电离层建模精度

由于当前国际GNSS服务组织（IGS）跟踪站在高纬度区域分布不均,用于电离层拟合建模的观测数据不均匀、不全面,导致在利用这些IGS跟踪站观测数据建立电离层拟合模型时该区域的电离层电子总含量拟合模型精度不够,电离层拟合模型格网输出值甚至出现了大量有悖于电离层实际物理意义的负值和零值现象。针对此问题,利用不等式约束算法,对拟合模型电离层格网输出的负值点、零值点加入不等式约束条件,采用附加不等式约束条件的最小二乘法对参数的解算进行优化,并用实测GNSS数据进行验证。实验结果表明,该算法对测站分布稀疏的高纬度地区出现大量零值和负值的情况有明显改善。此外,该算法对全球电离层模型的建模精度也有一定程度的提高。     

分数阶傅里叶变换联合支持向量机的建筑物变形预测

提出一种分数阶傅里叶变换(fractional Fourier transformation, FrFT)与支持向量机(support vector machine, SVM)相结合的建筑物变形组合预测模型。首先利用FrFT对变形时间序列进行多尺度分析,将复杂时间序列分解为一系列结构较为简单的子序列;然后利用SVM对每个子序列分别建立预测模型,通过将各个子序列的预测结果进行综合叠加,得到最终预测结果;同时考虑到SVM模型参数选择的难题,提出一种改进果蝇优化算法(improved fruit fly optimization algorithm, IFOA)对其进行全局寻优,提升预测性能。以西南地区某混凝土坝变形实测数据为例开展验证实验,结果表明,本文组合预测模型能够充分挖掘数据中隐含的趋势性和规律性信息,获得较高的预测精度。