基于小波神经网络的GPS可降水量预测研究

针对传统的BP神经网络存在的不足及局限性,文章提出了利用小波分析和神经网络相结合的方法应用于GPS可降水量预测中。小波神经网络是将小波基函数来替代传统神经网络中的激活函数,它将小波分析和神经网络有机融合在了一起,同时具备小波分析和神经网络的良好特性。通过相同样本数据训练和学习以及对预测结果的对比分析,表明小波神经网络在可降水量预测中比BP神经网络具有更好的容错能力和逼近能力,且其收敛速度快,预测精度高。     

基于经验模态分解去噪提高GPS定位精度

在GPS精密定位中,多路径效应等无法建模的误差严重影响着定位结果的精度。这类误差不能通过传统的建模方式进行处理,也不能通过数据组合进行消除,更不能作为参数进行估计。因此本文基于经验模态分解提出一种数据驱动的噪声消除策略,将坐标时间序列分解为许多不同频率组成的时间序列,根据需要重构原始时间序列。并采用了仿真实验和实测数据验证所提出方法的有效性,结果显示所提出的方法可以有效的消除多路径效应等无法建模误差的影响。     

经验模态分解和遗传小波神经网络法用于边坡变形预测

从挖掘边坡变形特性出发,提出一种基于经验模态分解(EMD)和遗传小波神经网络(GA-WNN)法的新型边坡变形预测模型。该模型首先对边坡变形序列进行EMD分解,有效分离出不同尺度特征的子序列;其次基于相空间重构挖掘各子序列的特性,以避免预测模型输入维数选取的随意性;然后采用遗传算法优化小波神经网络的权值和阈值,进而对各子序列建立预测模型;最后叠加各子序列预测值得到边坡预测结果。经过了算例计算,并与SVM和GA-WNN对比分析。结果表明:该模型具有较强的非线性拟合和自适应能力;在一定程度上保证较优的局部预测值和较好的全局预测精度,均方根误差为0.68 mm;在边坡变形预测中具有一定的实用意义。     

基于经验模态分解和BP神经网络的地铁沉降预测模型研究

地铁沉降是一个非线性的复杂过程,基于经验模态分解(EMD)和BP神经网络预测模型,建立了一种可供地铁沉降监测预测的EMD-BP神经网络预测模型。新建模型首先利用经验模态分解法对原始观测数据序列进行预处理,形成本征模态分量IMF,再根据每个IMF的变化特征,研究选择合适的参数构造BP神经网络,计算预测对应IMF,最后进行重构获得地铁沉降的预测结果。实验分析结果表明,EMD-BP神经网络模型预测精度和稳定性优于单一BP神经网络模型。     

GPS反演的可降水量与降水的对比分析研究

本文以秦皇岛为例,分析GPS可降水量与降水实况的关系。2007年5月~8月期间发生16次降水过程,每次水汽的增加,都对应着一次降水过程和降水峰值的出现;16次降水事件中,GPS可降水量序列峰值超前降水发生时间1h和2h分别各为6次,两者占到总降水次数的75%,也就是说GPS可降水量序列峰值超前降水发生时间约为1~2h;降水出现的时间一般发生在大气可降水量迅速增加之后,在2h或3h的大气可降水量的增幅迅速增加达到5mm后,2h内出现降水占68.75%,3~4h出现降水占18.75%,5~6 h出现降水占6.25%;而大气可降水量迅速增加前2h内出现降水的仅占6.25%,即GPS可降水量迅速增加后4h内出现降水的比率占到87.5%。GPS可降水量可作为降水短期预报的指标之一。     

基于经验模态分解的GPS基线解算模型

非建模系统误差是影响高精度GPS基线解算精度的一个重要因素,文章给出基于经验模态分解的GPS基线解算模型,有效消弱系统误差对基线解的影响。在现有经验模态分解理论的基础上,定义经验模态分解的多尺度分解与重构结构,并由此给出基于经验模态的系统趋势分离模型,依据累积标准化模量的均值随尺度的变化确定系统误差与噪声分离尺度的选择标准。给出基于经验模态分解的GPS基线解算的技术路线,首先计算GPS相位双差观测方程的浮点解残差序列,分离出系统误差并用于修正GPS双差观测值,重新计算双差浮点解,采用Lambda算法固定整周模糊度,计算固定基线解,从而消弱系统误差对基线解算的影响,提高基线固定解的可靠性。并采用实测GPS数据验证模型,F-ratio指数与W-ratio指数表明系统误差消弱后,基线固定解可靠性得到明显提高,重新计算的残差序列表明系统误差得到很好的消弱。     

成都地区地基GPS观测网遥感大气可降水量的初步试验

利用首个成都地区地基GPS观测网2004年7~9月30 s间隔的测量数据,通过Bernese GPS Soft-ware V4.2解算出30 min间隔的天顶总延迟量,结合自动气象站获得的气象资料计算出30 min间隔的GPS遥感的大气可降水量。与根据气象探空站探测资料算出的可降水量进行统计对比,确定出本次GPS遥感可降水量试验的精度为3.09 mm,两种可降水量时间序列呈现高度的一致性。同时验证了计算对流层加权平均温度的Bevis经验公式在成都地区的适用性。     

利用地基GPS获取实时可降水量

利用PBO观测网络的17个连续运行参考站GPS观测数据采用双差的方法估算对流层,并对初始精确坐标加以紧约束,对影响测站位移的形变等加以改正,采用组合超快星历,每60s计算一次得到近实时的可降水量。根据与静态计算结果比较显示,两者吻合性高度一致,大部分站点相差不到2mm,其内符合精度可达1mm,延迟少于4min,可以满足实时数值天气预报的要求。根据基线的长度对以上结果分析得到地基GPS反演降水量的可行性区域范围,并探讨了测站间高差大小对获取可降水量精度的影响。     

无气象要素的GPS对流层延迟推算可降水量的研究

本文针对武汉地区GPS气象网资料,进行了GPS对流层延迟直接推算可降水量的研究。在武汉东湖站GPS对流层延迟与无线电探空可降水量的比较中,两者具有很好的相关性,相关系数达到了0.93;推导了对流层延迟直接推算可降水量的模型,对模型结果进行了检验,在武汉东湖站的对流层延迟转换的可降水量与无线电探空可降水量的比较中,均方根为7.8mm,相关性为0.91,这说明了在没有气象数据的地区对流层延迟直接推算的可降水量可以作为气象短期预报的参考。     

利用地基GPS资料分析成都地区大气可降水量

利用成都地区GPS地震监测网的观测资料,通过Bernese软件求解获得CHDU、JYAN、PIXI、QLAI、RENS、ZHJI测站的天顶总延迟和湿延迟,运用湿延迟与大气可降水量之间的转换关系得到各测站大气可降水量,与站点地面实际降雨量及SONDE大气可降水量进行了比较分析。结果表明：地基GPS监测大气可降水量变化与地面实际降雨量有很强的相关性,与SONDE大气可降水量的平均差值为0．43mm,均方偏差为2．56mm。多站点GPS监测大气可降水量联合分析,对于研究区域大气可降水量的变化有一定的意义。     

基于EMD的桥梁GPS动态监测数据处理

采用GPS监测运营期大跨度桥梁时,受到交通载荷和观测噪声的影响,GPS监测序列中的振动信号(mm级)完全被湮没,如何从监测序列中提取桥梁变形信息及其振动特性是桥梁健康检测的重要内容。文中利用EMD方法对GPS监测序列进行处理,得到一定数量的本征模态函数(IMF),选取特定的IMF做信号重构和功率谱分析,得到桥梁变形信息和振动特性,相较于传统FFT方法,能准确识别结构振动频率,同时提取变形特征。     

GPS天顶对流层延迟与可降水量的相关性

针对水汽含量在短时间内变化快、影响因素多,目前精确测定其含量仍是一个难点的现状,该文采用GAMIT软件,利用两次暴雨发生过程中香港地区6个连续运行参考站系统参考站数据,计算天顶对流层总延迟(ZTD)和大气可降水量(PWV),并与实际降雨量进行对比。研究结果表明,暴雨发生前后的1~2h或者更长时间内,天顶对流层延迟、大气可降水量和实际降水量一直保持着较好的对应关系,天顶对流层延迟和大气可降水量会出现骤增和骤降现象,而且天顶对流层延迟和可降水量的变化速度越快,说明大气环境越不稳定,降水概率也就越高。     

平坦地区GPS高程异常拟合研究

GPS测量所提供的高程为相对于WGS-84椭球的GPS大地高,而我国使用的是正常高。大地高等于正常高与高程异常之和,要使GPS高程在工程实际中得到应用,必须先求出高程异常,进而获得正常高。结合GPS测量和水准测量资料,用神经网络方法和二次多项式曲面拟合方法拟合高程异常,对拟合精度进行了分析比较,得出了有实用价值的结论。     

平坦地区GPS高程异常拟合方法研究

结合GPS测量和水准测量资料,用BP人工神经网络和RBF人工神经网络方法和二次多项式曲面拟合方法拟合高程异常,对平坦地区GPS高程异常拟合精度进行比较分析,得出有实用价值的结论。     

基于BP神经网络的GPS高程异常拟合研究

分析了GPS高程异常求解的常用方法,结合GPS测量和水准测量资料,用神经网络方法和二次多项式曲面拟合方法拟合高程异常,对拟合精度进行了分析比较,得出了有实用价值的结论。     

径向基神经网络在GPS高程转换中的应用

介绍了RBF神经网络的基本原理,采用了RBF网络算法,实现了GPS高程转换.