线性综合模型用于崩滑体变形预报的研究

综合分析和比较了自回归模型和回归模型的特点，提出了采用线性综合模型来预报崩滑体变形的思想，以弥补自回归模型或回归模型预报的不足。实测资料的处理结果表明，综合线性模型具有特别的适用性。     

非线性回归模型在边坡变形监测中的应用

为了对边坡变形进行准确预测,本文在线性回归模型的基础上,结合边坡变形实际监测数据,提出了一种边坡变形预报的非线性模型。文章根据最小二乘原理,采用线性逼近的方法对非线性模型的参数进行求解,并比较了3种不同非线性模型的回归精度。实验分析表明:非线性回归模型中的Weibull模型能精确预报边坡变形,可为今后高精度边坡变形预报提供参考。     

地球自转参数的LS+AR超短期预报方法

地球自转参数（ERP）是卫星精密定轨中联系天球坐标系与地球坐标系的必要参数,是国际GNSS服务组织（IGS）和国际GNSS监测评估系统（iGMAS）分析中心的重要产品。为了提高中国测绘科学研究院分析中心（CGS）的线性模型预报精度,本文研究了最小二乘（LS）和自回归模型（AR）组合的超短期预报最优方法;通过不同周期数据确定最佳预报时长,利用LS+AR模型进行超短期预报,并通过IGS和iGMAS与线性模型产品对比。结果表明：利用8 d（时段）数据进行超短期预报最优;LS+AR模型预报精度明显优于LS模型;LS+AR的超短期预报方法优于分析中心的线性预报方法;EOP的PMX和PMY分量利用时段数据预报、LOD利用天数据预报精度更高。本文超短期预报方法能够提高ERP预报精度,为IGS或iGMAS分析中心的ERP预报提供了一定的参考意义。     

最小二乘支持向量机回归的卫星钟差非线性组合预报

针对应用单一方法预报卫星钟差的局限性,文章提出了基于最小二乘支持向量机回归的卫星钟差非线性组合预报方法:首先根据历史钟差数据建立二次多项式模型和灰色模型,然后利用这些模型进行钟差预报,最后采用最小二乘支持向量机回归算法对两种模型的预报结果进行非线性组合,以获得最终预报值;对比了RBF核函数、线性核函数和多项式核函数对组合预报性能的影响,并将本文组合预报方法与经典权组合方法进行比较。结果表明,本文方法优于经典权法,且线性核函数更适合组合预报。     

改进的修正预测法预报电离层

利用自回归移动平均ARMA模型的线性最小方差预测法预报电高层存在的主要问题是极值点处预测误差较大.通过对模型阶数上限及定阶准则的选取进行实验分析,确定了合适的模型阶数并建立了相应模型.修正预测法可利用新信息对线性最小方差预测法的预测结果进行修正.这是一种短期预报方法,每次向前预测一步即2 h,但结果并不理想.考虑到电离...     

稳健时序分析方法及其在边坡监测中的应用

本文将稳健估计方法引入时间序列建模,提出了基于稳健估计的自回归建模方法。采用某实测边坡两个监测点连续30期数据对该方法进行了验证计算与分析,结果表明当监测序列没有异常值时,稳健与常规自回归模型的预报精度相当;而当监测序列含有少量异常值时,稳健比常规自回归模型的预报精度有较明显的提高。     

半参数模型及其在形变分析中的应用

半参数回归模型L=Bx+s+ε是线性模型与非参数回归模型的混合体。本文采用自然样条逼近方法,探讨了自然样条半参数回归分析方法,同时将此方法运用到形变分析与预报数据处理中,结果表明是一种有效的方法。半参数回归效果要优于参数回归,多项式参数回归的残差平方和远大于参数回归。     

改进的修正预测法预报电离层

利用自回归移动平均ARMA模型的线性最小方差预测法预报电离层存在的主要问题是极值点处预测误差较大。通过对模型阶数上限及定阶准则的选取进行实验分析,确定了合适的模型阶数并建立了相应模型。修正预测法可利用新信息对线性最小方差预测法的预测结果进行修正。这是一种短期预报方法,每次向前预测一步即2 h,但结果并不理想。考虑到电离层变化的周期性,为了进一步减小极值点处预测误差,提出了改进的修正预测法。实验表明,改进的修正预测法预测结果与原始值符合较好。     

基于时间序列的鄱阳湖水位分析与预测

以鄱阳湖外洲水文站为研究对象,主要介绍了水位与水流量的曲线模型以及自回归模型,选择短周期的水位和水流量数据,采用Matlab拟合最优的水位与水流量的曲线模型,剔除水流量对水位的影响,采用自回归模型并基于最小二乘原理对其剩余量进行拟合及预测。结果显示,曲线模型+自回归模型的拟合和预测效果明显优于单一的曲线模型和自回归模型,用后验差法检验显示预测精度等级为好,因此,该模型可对鄱阳湖外洲站水位进行短期预报。     

采用自回归滑动平均模型的地球自转参数短期预报

根据地球自转参数时间序列的特性,给出了自回归滑动平均模型的识别方法,在自回归滑动平均模型参数估算中采用了长自回归白噪化方法,试验分析表明,采用该方法进行参数估计时具有简便较为有效的特点,同时,该方法的另一个特点是全部求解过程都是解线性方程组,避免了非线性运算。为减少地球自转参数时间序列相邻数据的强相关性,先扣除地球自转参数时间序列的趋势项和周期项,再对残差序列进行差分处理,最后利用自回归滑动平均模型对地球自转参数进行短期预报,有效验证了上述算法的可行性及正确性,地球自转参数短期预报结果与地球自转服务产品相当。     

基于ARIMA模型的地球自转变化预报

准确预报地球自转变化对于精密定位、空间飞行器的跟踪与正常运行,具有重要的科学意义和实用价值。根据周日变化（UT1-UTC）和极移变化（PM）的特性,用最小二乘法,建立了适合于UT1-UTC和PM趋势项和周期项观测数据的拟合模型。对于UT1-UTC残差序列采用差分自回归移动平均（ARIMA）模型进行预报,对于PM残差采用季节性自回归移动平均（SARMA）模型进行预报。实例结果表明：我们的UT卜UTC预报结果比地球自转服务（IERS）产品好,而PM比IERS要差一些。当大气角动量（AAM）和海洋角动量（OAM）数据参与计算后,对UT卜UTC的预报有细微改善,对PM无改善。     

利用IGS对流层产品预报空气质量指数研究

空气质量指数用来反映雾霾对大气的污染状况,如何对空气质量进行预报成为研究的重点和难点。空气质量指数与近地面气象参数相关,本文简要介绍了常用的空气质量预报方法及卫星数据观测预报的优势。利用北京房山IGS站气象数据文件,建立了空气质量指数预报的多元线性回归最小二乘模型和卡尔曼滤波模型。结果表明卡尔曼滤波模型得到的预报值与实际值的相关系数和RMS分别为0.995和7.532,均显著优于多元回归模型。为了验证模型的适用性和效果,选用了雾霾较少的2014年夏季气象数据和空气质量指数数据,试验发现:采用卡尔曼滤波模型得到的相关系数和RMS分别为0.985和7.378,预报值与实际值符合得很好,且预报精度较高。本文验证了利用卫星导航地面气象参数进行空气质量预报的可行性,为下一步利用卫星导航系统对流层产品对空气质量进行监测和预报奠定了一定的研究基础。     

基于优化残差组合的北斗卫星短期钟差预报研究

为解决传统模型因使用卫星钟差一次差分序列而导致预报精度差的问题，进一步提升预报精度，提出一种优化残差组合对卫星钟差一次差分序列进行预报的方法.该方法首先根据北斗卫星钟差序列的特点，利用四分位法(IQR)代替中位数法对一次差分序列进行预处理，然后利用自回归滑动平均模型(ARMA)将经过预处理后的卫星钟差一次差分序列分成趋势项和残差随机项，接着利用极限学习机(ELM)模型对残差部分进行建模预测，最后将ARMA模型的预测结果和ELM神经网络的残差预测结果求和后进行差分还原.结果表明：当卫星钟差呈非线性时，组合模型的预报精度比传统模型提升了38.2%，在北斗卫星钟差短期预报中具有一定的可行性.     

灰线性马尔科夫模型在建筑物变形监测中的应用

针对传统灰色GM(1,1)预测模型在建筑物变形监测预报中的拟合精度较差、预测精度较低和预测时间较短的问题,文中以传统GM(1,1)、线性回归和马尔科夫模型为理论基础,构建了灰线性马尔科夫预测模型,并结合某建筑物变形监测的观测数据,运用新陈代谢的计算模式进行预测。结果表明,灰线性马尔科夫预测模型的拟合精度和预测精度优于单一的灰色GM(1,1)预测模型和线性回归预测模型,灰线性马尔科夫预测模型具有预测精度高、预测时间长和稳定性高的优势。     

SARS疫情预测预报中的分段非线性回归方法

介绍了几种对累计SARS疫情预测预报中的非线性增长曲线模型，说明了Richards增长曲线在这次SARS疫情预测预报中合理性和可行性，由此建立了累计SARS疫情预测预报中的非线性回归点模型。并具体对北京SARS疫情进行了跟踪预测预报，包括整体和分时间段的预测预报，获得了北京SARS疫情随时间的预测预报结果，说明了北京4月底的一系列控制措施对北京SARS疫情所带来的影响，为进一步的后续研究打下了良好基础。     

SARS疫情预测预报中的分段非线性回归方法

介绍了几种对累计SARS疫情预测预报中的非线性增长曲线模型，说明了Richards增长曲线在这次SARS疫情预测预报中合理性和可行性，由此建立了累计SARS疫情预测预报中的非线性回归点模型。并具体对北京SARS疫情进行了跟踪预测预报，包括整体和分时间段的预测预报，获得了北京SARS疫情随时间的预测预报结果，说明了北京4月底的一系列控制措施对北京SARS疫情所带来的影响，为进一步的后续研究打下了良好基础。     

自回归模型在变形监测中的应用

为了准确地对变形监测进行预报,得到科学的监测结果,本文利用自回归模型和最小二乘估计以及矩阵实验室(MATLAB)对变形监测数据进行处理。通过实际工程分析得到如下结论：(1)自回归模型用于变形监测可得到比较科学的结论;(2)对于不同的变形监测数据,如何选择自回归模型p是一个亟须解决的问题。本研究的结论可为变形监测数据处理提供一定的参考。     

应用半参数AR模型的电离层TEC建模与预测

本文基于时间序列分析的DDS(Dynamic Data System)建模法,对季节性的电离层总电子含量(TEC)时间序列观测值平稳化后建立自回归AR模型,提出以半参数AR模型对普通AR模型精化,并利用半参数AR模型对电离层TEC预报。实例分析表明:利用半参数AR模型对电离层TEC进行预报,在短期内半参数模型预报效果优于普通AR模型,但随着预报时间变长,则半参数模型预报精度明显下降,其预报效果则不如普通的AR模型。     

改进灰色预测模型及其在变形监测中的应用

分析与预报是基坑监测的重要内容,对于确保基坑和周围设施的安全具有重要意义。灰色系统理论自创立以来被广泛应用于变形监测的预报上,但灰色预测模型仍有一定的局限性。为此本文尝试对其进行改进,采用两种函数变换对灰色预测模型的原始数据进行预处理,并分析改进模型的预报效果。实验表明,经过指数函数变换和线性函数变换的灰色模型均能获得更好的预测结果,且经过线性函数变换的灰色模型的估计结果要优于经过指数函数变换的灰色模型。     

基于时间序列模型的沉降监测预报分析

时间序列模型预测具有可靠性与高效性的特点。本文结合沉降监测工程,采用Matlab进行建模预报分析,分别基于预测模型(AR、MA、ARMA)进行应用。对比自回归模型、滑动平均模型及自回归滑动平均模型预测结果的精度,表明3种模型可预测期连续分布,模型组合可提高预测精度。