一种CORS站高程序列非线性趋势项分析方法撤回

针对传统线性模型通过拟合连续运行参考站(CORS)高程时间序列趋势项,使CORS站运动趋势单一化导致无法体现测站各自运动特性的问题,该文提出一种基于CORS高程时间序列本身的非线性趋势项定量识别与估计方法。首先,用K均值聚类整体经验模态分解方法对CORS站高程时间序列进行分解;其次,基于排列熵理论进行非线性趋势项的定量识别与合成;最后,采用正弦函数模型、线性多项式模型、傅里叶模型对非线性趋势项进行建模拟合并讨论拟合精度。实验结果表明：基于排列熵的非线性趋势项定量识别方法避免了人为判别误差,准确地反映了序列自身的变化趋势;3种模型中,傅里叶模型拟合效果最佳。     

基于GPS测站坐标残差序列的傅里叶模型建立与分析

利用傅里叶级数对GPS测站坐标残差序列进行模型建立与分析,通过傅里叶频域变换将GPS测站坐标残差序列分解到不同频域,然后对不同频域的规律进行傅里叶级数拟合,从而建立残差序列的拟合模型。实验表明傅里叶变换可以有效地分析研究GPS测站坐标残差序列中各种高频周期规律,并能够利用傅里叶级数实现高精度的拟合。     

时间序列分析的直播星用户开卡预测

针对同一地区不同时间内直播星电视服务用户的数量变化特征,该文提出了基于时间序列的直播星用户预测方法,并通过ARIMA模型预测用户数量。分析了ARIMA模型的建立方法和评价参数,对时间序列模型ARIMA(p,d,q)的参数进行不同组合的尝试;利用模型评价参数(平稳的R方和正态化的BIC)确定模型的阶数p、q;对模型进行参数检验和显著性检验,根据检验结果确立最终模型为ARIMA(4,2,3);采用宁夏用户数据对模型拟合效果进行验证,进而对未来几个月的用户数量进行预测。结果表明,时间序列模型ARIMA(4,2,3)对宁夏用户数量变化的预测准确度比较高。     

基于ARIMA模型的边坡变形分析与预测

详细论述了时间序列分析中的平稳性分析、模型识别、模型评价和模型预测的过程,建立自回归滑动平均求和(ARIMA)模型对2016年6月29日-2017年10月4日共计461 d的边坡监测数据进行时间序列分析和预测。结果显示:利用ARIMA模型对边坡观测数据进行时间序列分析具有可行性,并能取得较好的效果,研究成果可为工程施工和防灾减灾提供技术参考。     

基于ARIMA模型的陆态网络CORS站时间序列分析

陆态网络连续运行基准站(简称CORS站)是中国2000国家大地坐标框架的重要骨架支撑。以陆态网络CORS站观测时间序列为研究对象,采用经典差分自回归移动平均模型对253个CORS站进行时间序列拟合分析。实验结果表明该模型能够较好的拟合绝大部分测站的时间序列,拟合后剩余残差序列明显减小且更加收敛。     

基于条件植被温度指数的干旱预测研究

基于遥感定量化干旱监测结果,进行了干旱预测的研究。将遥感获得的条件植被温度指数VTCI序列应用于陕西关中平原地区,并利用ARIMA模型对该地区的VTCI时间序列进行分析建模预测。提出由点到面的时空序列预测方法,先对该区域的36个气象站所在像素点建立适合的ARIMA模型,再对整个区域所有像素点的VTCI时间序列进行建模预测。进行1步和2步预测,显示预测结果较好,1步预测精度好于2步预测;对历史数据进行AR(1)模型的拟合,拟合误差大部分较小。结果显示AR(1)模型适合VTCI序列。     

基于ARIMA模型的市内人群移动预测

城市内部人群移动模式的研究在城市规划、交通量预测和疾病的防控等领域具有重要的应用价值。已有研究多基于出行数据探索人群移动模式,文中基于新浪微博位置签到数据,从时间序列建模角度结合ARIMA模型,建立武汉市人群移动的季节性模型实验表明,模型ARIMA(3,0,2)(1,1,0)12能较好地拟合并预测武汉市人群移动趋势,对城市规划和决策具有重要参考价值。     

深圳市连续运行参考站坐标时间序列分析

以2010-2015年SZCORS参考站观测数据为基础,利用PANDA软件进行解算,获得各参考站单日解坐标时间序列;利用SPSS统计软件进行趋势分析和周期分析,拟合出参考站坐标时间序列函数模型。实验结果表明,拟合的时间序列函数模型优度较高。最后利用频谱分析方法对所求模型的残差序列进行噪声分析,得出的谱指数介于-1~0之间,确定出噪声项可能具有白噪声和闪烁噪声的混合特性。     

基于ARIMA与Holt-Winters组合模型的电离层TEC预报

分别采用时间序列中的求和自回归移动平均模型ARIMA(Autoregressive integrated moving average)模型和指数平滑模型Holt-Winters的加法模型,对IGS站发布的广西地区16个格网点进行短期的电子含量TEC预报。并利用组合权重的方法对两种模型组合进行TEC短期预报。分析比较不同季节各个模型的预测效果,以及电子含量的变化与太阳黑子数变化之间的联系。结果表明,组合模型的预测精度在各个季节都优于两种单一模型,不同季节,太阳黑子数的含量和电离层电子含量预测的精度也有较大差异。     

基于ARIMA-TGM组合模型的边坡变形预测

通过权系数将ARIMA模型和时变参数GM(1,1)模型结合形成ARIMA-TGM组合模型,针对边坡位移监测数据组成的时间序列,采用ARIMA模型、时变参数GM(1,1)模型和ARIMA-TGM组合模型进行分析预测,通过实验对比3种模型的预测精度,实验结果表明ARIMA-TGM组合模型的预测精度较单一预测模型有所提高,适用于边坡变形的分析预测,研究成果可为边坡的防灾减灾提供一定的技术参考。