基于小波降噪和神经网络的GPS高程时序预测模型

全球定位系统（GPS）时序数据预测的工作中发现,通常时序数据中含有的噪声会干扰数据预测的结果.为了降低时序数据中噪声对预测结果的负面影响,将提升小波阈值降噪技术和长短期记忆（LSTM）神经网络相结合,实现一种GPS时序数据降噪预测模型.该模型在预测之前首先利用提升小波与平滑阈值函数对GPS时序数据中的噪声进行剥离,然后构建多层LSTM神经网络对时序数据进行单步预测.通过实验与多种时间序列预测模型进行对比,结果表明所提出的LSTM预测模型对GPS时间序列的预测具有较强的适用性和较高的准确性.      

GPS残差信号提取的时间序列分析方法

作者使用零基线单差模型研究并讨论了GPS量测噪声的时相关特性,并得出了GPS观测噪声具有类似白噪声或一阶高斯马尔科夫噪声的特殊性质。利用观测噪声所具备的这种特殊性质,作者首先尝试了从时间域的角度分离和提取了残差序列中的多路径信号特性,成功验证了多路径信号在连续两个恒星日内会有所重复的结论。作者提出了一种使用时相关分析法检测观测序列中周期信号(如冰期反弹、固体潮、极潮等)的设想并就其可行性进行了分析研究。最后,针对观测噪声的这种特殊性质,探讨了结合使用小波分析法提取GPS沉降监测信号的可行性。     

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。     

基于BP神经网络和MODIS-EVI时间序列的土地覆被分类

以matlab为平台设计了BP神经网络用于自动提取土地覆被信息,将覆盖内蒙古的2006年全年的MO- DIS数据处理成EVI植被指数时间序列集输入神经网络进行土地覆被分类,精度检验结果显示:总体分类精度(o- verall-accuracy)为78.32%,kappa系数为0.73。     

基于支持向量机的GNSS时间序列预测

在深度学习的理论框架下,针对预测全球卫星导航系统(GNSS)时间序列,传统的经验风险最小化预测模型误差大精度低,泛化性能差且对历史数据的经验依赖大的问题.提出一种采用结构风险最小化原则的基于支持向量机(SVM)的时间序列预测模型.通过和多层的BP神经网络预测模型预测效果比较,结果证明SVM预测模型拥有更好的时间序列预测效果.     

GPS时间序列与强震预测研究

应用经验正交函数(EOF)分析方法，对中国大陆连续观测的基准站水平位移时间序列进行分析。通过对1999年3月份以来GPS1000周至1258周的原始时间序列的EOF分析、时间序列中除去长期位移速率后的EOF分析、及强震前半年时间段内的时间序列的EOF分析，研究强震前中国大陆水平位移场的时空演化特征及与强震发生的关系。     

结合注意力机制和Bi-LSTM的降雨型滑坡位移预测

受季节降雨波动和邻近点位的牵引作用影响,滑坡位移呈阶梯状变化趋势。为有效预测该类滑坡的位移,本文提出一种基于注意力机制的双向长短时记忆(Bi-LSTM)神经网络位移预测模型。首先,建立滑坡监测累计位移时间序列模型,将滑坡累计位移分解为趋势项和周期项;然后,分析滑坡因子与趋势项及周期项的相关性,采用多项式回归对趋势项进行拟合,通过基于注意力机制的Bi-LSTM对周期项进行预测。试验结果表明:基于注意力机制的Bi-LSTM预测模型具有稳健的泛化能力,能有效捕获不同时序数据间的相关性;预测结果精度平均绝对误差为0.088 mm,平均均方误差为0.042 mm,相比常规的长短时记忆(LSTM)神经网络模型,本文方法的预测结果精度更高。     

基于Stacked ConvLSTM的时间序列森林火烧迹地检测

确定森林火烧迹地的准确时间点以及空间范围对于森林的受损评价、管理、碳核算以及森林恢复的管理有重要意义。由于森林火烧迹地在空间分布上具有一定的连续性,现有的森林火烧迹地提取方法大都采用先分类再后处理的两步处理策略来抑制虚警像素的影响。本文提出将时空检测方法 Stacked ConvLSTM用于时间序列森林火烧迹地的检测,在保持结果具有较好空间连续性的基础上避免了具有主观性的后处理操作,实现端到端提取森林火烧迹地信息,提升了森林火烧迹地的提取精度。采用MODIS时间序列数据,基于2001年—2008年以及2001年—2016年的黑龙江沾河林业局伊南河林场和内蒙古自治区毕拉河林业局北大河林场两个区域的历史时间序列,分别对这两个区域2009年以及2017年发生的特大火灾区域进行火烧迹地检测,利用Stacked ConvLSTM、Stacked LSTM以及bfast算法在两个区域的MODIS时间序列中提取森林火烧迹地,并将火烧迹地检测结果与ESA发布的Fire＿CCI 5.1火烧迹地产品进行对比分析。结果表明：首先,从目视效果来看,在研究区域Ⅰ,Stacked ConvLSTM检测的结果比St...     

基于高斯模型的样本缺失GPS时间序列重构方法

缺失样本的存在会造成GPS时间序列速度估计的不确定性,从而影响GPS时间序列的应用。针对该问题本文提出一种基于高斯模型的样本缺失GPS时间序列重构方法,首先利用高斯概率密度函数对GPS时间序列的先验分布进行建模,在此基础上构建全概率贝叶斯统计模型,采用期望最大(Expectation Maximization,EM)算法对模型参数(隐变量)进行迭代更新并计算其最大似然估计值,最终完成信号重构。分别对随机缺失和分段连续缺失两种情况进行实验分析,结果表明所提方法相对于传统插值方法可以获得更好的重构性能。     

GPS高程数据时间序列分析

对GPS台站时间序列进行了研究,对我国IGS连续跟踪站高程分量的数据进行谱分析和小波分析,用最小二乘法将时间序列的白噪声与有色噪声分离,并利用AR模型建模。通过分析,获得拉萨、上海和武汉GPS连续跟踪站的有色噪声特征。     

基于滑动L2优化准则的GPS坐标时间序列重构

GPS坐标时间序列中不仅包含白噪声,还包含闪烁噪声、随机漫步噪声等有色噪声,这些噪声将影响GPS应用的可靠性,甚至可能对一些地球物理现象做出错误的解释,因此降低GPS坐标时间序列中有色噪声的影响、提高GPS精度是一个重要和基本的问题。提出了一种滑动L₂优化估计方法(ML₂),通过选取合适的窗口建立L₂优化模型,再利用交替迭代乘子法求解每段时间序列的优化问题,并逐年滑动得到整段GPS坐标时间序列的估计。实验结果表明,ML₂方法与奇异谱分析、小波分解、滑动普通最小二乘法相比具有更好的重构效果。     

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。     

环渤海区域GPS坐标时间序列噪声分析

本文以环渤海区域GPS基准站2013年至2018年观测数据为基础,从噪声特性及时间序列参数方面进行分析。利用最大似然估计法估计环渤海区域27个测站坐标时间序列在不同噪声模型下的噪声量级及时间序列参数。针对最佳噪声模型,利用谱指数和最大似然估计两种方法分别从定性和定量确定。结果表明,测站的最佳噪声模型主要有WN+FN和WN+FN+RWN两种模型组合,绝大多数测站的最佳噪声模型为WN+FN,其中WN+FN+RWN模型主要分布在基岩类型为土层的基准站上,WN+FN模型主要分布在基岩类型为基岩的基准站上。     

基于CATS软件的GPS时间序列分析

利用时间序列分析软件CATS对研究地区的GPS观测资料进行噪声分析,使用了时间域上的最大似然估计法以及频谱域上的频谱分析法。结果表明,对于研究地区的GPS资料,白噪声+闪烁噪声为较好的噪声模型,可提高该地区地壳变形速度估计的精度。     

基于GPS坐标残差序列的全球测站非线性变化规律统计

利用快速傅立叶变换(FFT)对参与ITRF2008参考框架建立的全球GPS测站坐标非线性变化规律进行了分析研究。通过分析发现,全球GPS测站坐标非线性变化规律中周年非线性变化占主要部分,周年非线性变化和半年非线性变化规律具有全球性;其他非线性变化规律不具有统一性。     

GPS坐标时间序列共模误差空间特性分析

对全球138个IGS站依据相关性进行聚类分类,采用相关系数加权叠加滤波计算了所选IGS站坐标时间序列中的共模误差,并分析了其空间特性。结果表明,共模误差主要受基准站空间分布、GPS网空间尺度以及基准站密度的影响,并且相关系数为负的测站之间仍存在共模误差。     

GPS坐标时间序列噪声估计及相关性分析

比较分析了极大似然估计法、最小二乘方差分量估计法以及最小范数二次无偏估计法对GPS站坐标时间序列噪声的估计效果,确定最小范数二次无偏估计法为最优的噪声方差估计方法。在此基础上对中国及其周边区域20个IGS站坐标时间序列中各方向噪声方差进行一元线性回归分析。结果表明,中国及其周边区域IGS站不同方向的噪声间具有中等强度以上的相关性,其中N方向闪烁噪声与其他方向闪烁噪声的相关性要强于白噪声。水平方向的噪声振幅能够解释垂直方向噪声振幅变化的40%~60%,而N方向噪声振幅能够解释E方向噪声振幅变化的60%~80%,获得的线性回归方程具有使用价值。     

GPS基准站坐标与速度场精度及随时间变化规律的探讨

应用网络工程GPS基准站每周的数据，按非基准方法求得区域解和全球解，分析研究了基准站坐标位置及速度场的变化规律，并给出了站坐标和速度场精度的统计分析结果。结果显示，坐标分量的变化趋势为线性，坐标残差的变化为随机曲线，可靠地剔除野点后，速度场信息及其精度可靠且优于点位坐标精度。