融合GPT2w模型与GNSS参数获取大气可降水量

针对GPT2w模型误差累积所导致的天顶对流层延迟(zenith tropospheric delay,ZTD)和大气可降水量(precipitable water vapor,PWV)精度不高的问题,利用2017年长三角地区7个探空站和2个GNSS站的实测数据检验GPT2w模型获取的气压、温度、水汽压、加权平均温度(T...     

基于小波变换与RBF神经网络的GNSS水汽值预测研究

利用小波变换与RBF神经网络方法预测河北省GNSS水汽值。首先对GNSS测站水汽序列进行小波分解,然后利用RBF神经网络对小波分解的高频与低频信号进行预测,最后通过实验选择合适的高频与低频信号结果重构获得GNSS水汽值预测值。以实测GNSS水汽值为标准,基于小波变换与RBF神经网络预测的GNSS水汽值精度高于单一RBF神经网络预测精度,但预测结果的精度随着预测时长的增加而降低。     

一种新的利用单基站GNSS反演大气剖面的技术

在传统的模型参数法反演大气折射率的基础上提出一种新的模型参数法,并建立一种新的估算对流层高度的方法。将探空产品计算的大气折射率视为真值,选择2016-07中国及周边区域8个IGS测站进行试算,统计结果显示,与传统的模型参数法相比,新的模型参数法反演的大气折射率更接近真值。     

基于FFT与小波变换的SOI与GNSS ZTD的周期变化影响研究

为探究ENSO事件对GNSSZTD(水汽)周期变化的影响及其相互关系,以河北省为例开展ENSO事件对GNSSZTD及其周期变化的影响研究.首先利用快速傅里叶变换方法筛选出南方涛动指数(SOI)与GNSS水汽的共同周期,再利用小波变换提取GNSS水汽与SOI共同周期所在的高频项,并将重构的高频项与SOI进行相关性分析.结...     

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。     

连续台风时期香港区域的水汽变化分析

利用香港卫星定位参考站网GNSS观测数据,提取强热带风暴"塔拉斯"与热带风暴"洛克"影响期间各测站天顶方向对流层延迟,反演香港区域大气可降水量;根据香港区域49个天文台气象站提供的实测降雨量数据,分析大气可降水量与实际降雨量的相关性,以及两次台风对香港区域水汽时空分布的不同影响。结果表明,大气可降水量在台风影响前期均上升,在大量降雨后回落,但在连续台风的间歇期间,仍高于台风来临前的水平;水汽累积是大量降雨的前提条件,当水汽累积量相近时,水汽累积时长与累积降雨量呈正相关;台风期间大气可降水量值超过65 mm的区域面积与台风等级相关,台风路径对局部水汽分布有一定的影响。     

GNSS对流层延迟推算可降水量的季节转换模型研究

利用台湾桃园（TWTF）站气象数据和对流层延迟数据开展可降水量和对流层延迟序列的相关性分析,显示两者存在显著正相关特性。利用回归分析建立季节和全年转换模型,并利用各季节降水和无降水期间的数据对模型进行检验。结果显示,各季节GNSS可降水量与线性回归可降水量的RMS值小于1.5 mm,最大误差不超过3.3 mm,满足GNSS气象学的基本要求。     

基于小波变换的GPS水汽与气象要素相关性分析

利用北京市GPS连续观测资料结合气象资料开展GPS水汽与气象要素的相关性分析。首先使用GAMIT软件解算2009-06-01~2012-04-30的北京GPS连续观测网观测数据并结合气压数据获得测站水汽序列;然后用小波变换方法对GPS水汽、温度和气压数据进行分解与重构,并对重构后的数据进行相关性分析。GPS水汽序列的变化趋势与温度呈显著正相关,与气压呈显著负相关。水汽和气压存在年周期和半年周期变化,两者存在显著负相关特性;温度有年周期变化,水汽和温度在d13重构结果的相关性最好,存在显著正相关特性。     

基于经验小波变换的GNSS多路径误差改正

多路径误差是影响GNSS测量精度的主要因素及误差改正难点。将经验小波变换(EWT)算法在分解复杂信号上的优势与GNSS多路径误差的周日重复特性相结合,提出基于EWT的多路径误差提取及改正新方法。将能量熵与相关系数相结合来定义筛选系数,并将其变化显著的点作为含噪分量及信息分量的分界点;通过对含噪分量进行去噪并与信息分量重构的方式建立基于EWT的去噪新方法。模拟和实测数据实验表明,EWT能较好地提取及改正GNSS多路径误差,并且其效果显著优于EMD及小波分析方法。     

基于S-变换的GNSS滑坡变形监测数据信息提取与抑噪

提出一种基于S-变换的变形监测数据抑噪方法。首先采用S-变换对监测数据进行时频分析,得到二维时频矩阵,再根据二维时频矩阵设计时频滤波器,最后利用时频分析反变换方法重构信号。采用模拟数据和滑坡变形实测数据对该方法的有效性进行验证。结果表明,相较于小波滤波方法,经该方法处理后的变形数据的RMSE和SNR均较优,可准确提取监测点的变形特征,为滑坡变形预测预报提供可靠的监测数据。     

地震后水汽异常变化初探

研究东日本地震、汶川地震和玉树地震震中及其附近区域在地震前后的水汽时间序列变化。首先分析震中MODIS水汽序列和震中附近探空站点水汽序列在地震前后的变化;然后基于GNSS ZTD与水汽之间的高相关性,以GNSS ZTD代替GNSS水汽,讨论震源区周围IGS站点的ZTD序列变化。研究发现,震后震中及其附近区域水汽值变化出现异常,且距离越近所受影响越大;水汽不断聚积,达到峰值后发生降水。     

基于GPT3模型的ZTD及PWV反演精度分析

使用亚洲区域18个IGS测站和中国区域内16个探空站2016~2018年的数据,研究GPT3模型反演天顶对流层延迟（ZTD）和大气可降水量（PWV）的精度,并与其他GPT系列模型进行对比。结果表明,GPT3-1模型估计的ZTD的bias均值和最大值均最小,分别为1.34 mm和14.06 mm;GPT3模型整体精度略优于GPT2w模型,优于GPT2模型。探空站处GPT3模型反演的PWV的bias和RMSE均表现出较强的季节性特征;由GPT3模型反演的PWV的月均值可知,GPT3-1模型比GPT3-5模型具有更高的精度和稳定性。     

����������GPS�춥�������ӳ���ɽ�ˮ��Ӱ���о�

???????GPS???????????????о???????????GPS???????????????????????о??????????????????????????????????????????????????????У???????????????????????е?????????????????????????????????????????     

基于湖南CORS网的PWV时空变化分析及其在暴雨落区预报中的应用

针对2017-05-22~05-23湖南地区的一次暴雨过程,结合气温、气压等大气热动力条件,分析此次降雨过程的大气可降水量(precipitable water vapor,PWV)时空分布及其动态变化特征。研究表明,在水汽条件充足的情况下,降雨的形成需要强烈的水汽辐合上升作用,可以结合热动力条件来预判降水时间和强度;PWV与实际降雨量平面分布图的对比分析表明,PWV高值区和实际降雨落区基本重合,PWV时空变化分析对预测暴雨落区有一定的指示意义。