共查询到19条相似文献,搜索用时 62 毫秒
1.
利用奇异谱分析法对大坝变形数据进行分析,提取趋势和周期分量,分析影响因子与各变形分量的相关性。结果表明,大坝变形主要与水位变化和时效因子有关,温度变化对大坝变形的周期成分贡献最大,其次为水位。另外在准确提取信号的基础上,利用奇异谱分析迭代法对大坝变形进行预测,并与多元回归分析方法和高斯过程模型进行对比,发现其预测精度明显高于后两者。 相似文献
2.
3.
对微波辐射计观测与地基GPS反演的可降水量数据分1个长时段和2个短时段进行奇异谱分析,提取两种数据在不同时段的主体趋势及周期项,验证地基GPS反演可降水量的可行性。结果表明,与微波辐射计观测数据相比,地基GPS反演可降水量数据均方根误差在2 mm左右,主体趋势具有较强的相关性,周期相同或相近,利用地基GPS反演可降水量是可行的。 相似文献
4.
陶国强 《大地测量与地球动力学》2021,41(12):1223-1229
考虑到传统谐波模型难以精确描述GNSS坐标时间序列的非线性变化,导致信号和噪声不能很好地分离,进一步影响粗差探测和噪声估计,本文提出一种基于奇异谱分析的粗差探测与噪声估计算法。首先采用奇异谱分析方法分离出GNSS坐标时间序列中的信号与噪声,然后基于IQR准则探测噪声中的粗差,最后采用最小二乘方差分量估计(LS_VCE)方法定量估计各噪声分量。算例表明,相比于传统基于谐波模型的算法,该算法的粗差探测准确率更高,且估计的噪声分量与真值更接近。 相似文献
5.
6.
基于CORS站网基线综合解算,利用移去-恢复法和负荷形变法监测陆地水负荷对地表垂直形变的影响.以台州地区为例,对2017~2019年CORS站网和相关区域负荷数据进行分析.结果 表明,台州地区陆地水负荷对地表垂直形变的影响存在季节性变化,地下水负荷影响较为明显,可达cm级;且该影响在年际尺度上相对稳定.利用CORS站网... 相似文献
7.
白洋淀湿地是华北平原仅存的为数极少的湖泊型湿地之一,具有改善生态环境、保护生物多样性等功能。通过遥感手段进行白洋淀地区湿地变化研究,可为景观格局变化、生态环境分析及湿地保护等提供重要的信息支撑,具有非常重要的意义。本文在分析遥感大数据特点的基础上,对遥感应用中的大数据信息提取这一重要环节进行了分析,并以遥感信息计算为切入点,深入分析并总结了遥感大数据计算过程中的多种协同计算问题。结合白洋淀地区长时相遥感湿地水体提取与变化分析的应用需求,本文提出了基于协同计算方式下的白洋淀水体提取技术路线,并详细分析了水体信息计算过程中的几种重要的协同计算问题,提高了水体信息提取的精度。最后,根据白洋淀地区43期(1973-2015年)精确的水体提取信息,统计了白洋淀历史时期水体面积的变化,并指出该区域自1973年以来水体面积经历了“减少-增加-再减少-再增加”的变化过程。 相似文献
8.
研究了基于奇异谱分析的北斗恒星日滤波算法,采用相空间重构Cao算法来确定奇异谱嵌入维度,并针对Cao算法的不足进行改进,提高奇异谱分析法的准确性和计算效率。分析北斗系统不同星座卫星的轨道重复周期特性,通过计算确定北斗系统多路径误差的周期约为86 160s。利用奇异谱分析法和传统小波分析法对北斗短基线解算结果进行恒星日滤波处理。结果表明,本文提出的奇异谱分析法多路径滤波效果优于小波滤波法,能较好地消除原始坐标序列中的多路径误差。 相似文献
9.
基于SSA技术对GPS时序的去噪及季节信号分离进行研究。通过对模拟数据及GPS实测数据的分析,并与经验模式分解EMD(empirical mode decomposition)和小波分析方法进行对比,结果表明,SSA、EMD和小波分析均是有效的去噪方法,但SSA去噪性能更优越,且能更有效和稳定地从GPS时序中提取周期项信号。 相似文献
10.
分析了利用GPS测定大地高的误差来源和提高其精度的措施。简介我国高精度GPS中A、B级网和各类区域网的布测和数据处理要点。根据误差传播理论和我国各级GPS网实测误差,首次论证得出在我国任何地区GPS大地高的绝对精度均可达到±0.100m的结论 相似文献
11.
针对传统EEMD进行信号分解时信噪比低和部分模态混叠的问题,提出基于K均值聚类的CORS高程时间序列改进分析方法。通过添加正负白噪声的EEMD提高信号分解信噪比,基于K均值聚类方法对EEMD迭代过程中分解的各个IMF分量进行聚类分析。实验结果表明,该方法提高信噪比3%以上,基于正交指数的分解精度提高26%以上,聚类结果能够解决IMF中近似的0.5 a、1 a、2 a周期信号的模态混叠问题。 相似文献
12.
为提高GNSS高程时间序列的去噪效果,以仿真信号和拉萨站2000~2020年高程时间序列为例,采用自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法将信号分解成若干个特征模态函数(intrinsic mode function,IMF),对每个IMF分量进行小波包多阈值分解,依据不同节点能量占IMF总能量百分比选择不同的阈值准则,将降噪后的节点重构得到降噪后的IMF分量,进而得到降噪后的时间序列。利用信噪比、均方根误差等指标对比分析本文方法、EMD、CEEMDAN、小波去噪和小波包多阈值去噪等5种方法的去噪效果。结果表明,本文方法效果最优。 相似文献
13.
针对GNSS高程坐标时间序列中含有粗差、高程坐标时间序列不平稳、非线性变化导致异常值探测困难等问题,提出一种奇异谱分析SSA与Sn估计量相结合的粗差探测方法。利用实验模拟数据和实测数据分别对该方法的探测效果同常规3σ法和MAD法进行对比,结果表明,SSA-Sn粗差探测方法的总体探测效果更好,能够满足GNSS坐标时间序列高可靠性的需求。 相似文献
14.
提出采用滑动奇异谱分析(singular spectrum analysis,SSA)方法进行长时间重力固体潮改正提取.采用61 d静态相对重力测量数据,利用滑动SSA方法将数据按连续时间段10 d、15 d、20 d、25 d、30 d、40 d和50 d分别分为52组、47组、42组、37组、32组、22组和12组... 相似文献
15.
利用经验模态分解(EMD)和整体经验模态分解(EEMD)方法,将BJFS站2000~2015年高程时间序列进行分解,发现其不仅存在1 a、0.5 a、0.25 a、2个月、1个月以及长周期等周期项,还存在以往方法很难探测出来的近似2 a周期信号。与EMD分解结果对比,整体经验模态分解可以明显减弱模式混叠现象。对各分量进行Hilbert 变换(HHT),得到时间-频率-能量的Hilbert 频谱图。结果表明,年周期和2 a周期变化是高程运动的主要贡献项。利用小波变换方法对比验证EEMD的分解结果表明,与小波分析相比,EEMD重构信号与高程序列差异的RMS更小,证明了HHT-EEMD方法在数据资料分析过程中的有效性。对环境负载及GRACE负载造成的测站位移进行功率谱分析得出,环境负载确实会造成IGS站高程时间序列的1 a、0.5 a以及季节性运动,GRACE负载还验证了2 a信号的存在。 相似文献
16.
采用GAMIT/GLOBK软件,联合16个IGS站,处理青岛市连续运行基准站系统(QDCORS)2014~2015年2 a的观测数据,获取ITRF2008下区域网解,并进行坐标时间序列分析,得到QDCORS基准站总体位置变化趋势与周边陆态网站点一致,水平速度33.66 mm/a,方向为E19.62°S;通过固定1个基准站为参考,求得其他基准站的水平相对速度在1 mm/a左右,垂直相对速度低于5 mm/a。结合基准站周边环境情况分析异常站点的成因,初步确定造成QDCORS基准站异常的主要因素是多路径效应、工程施工。 相似文献
17.
利用GAMIT/GLOBK软件解算安徽省卫星定位综合服务系统(AHCORS) 2013-01~2018-06数据,得到参考站坐标时间序列,并对其进行噪声分析.结果 表明,安徽省境内参考站的最佳噪声模型为白噪声+闪烁噪声(WN+FN)模型.在顾及有色噪声影响时,AHCORS在ITRF2008框架下的平均运动速度为31.7... 相似文献
18.
基于ICEEMDAN算法无需先验信息即可准确分离和提取低频信号与趋势信息的特性,以及SSA具有较好的信号重构优势,提出基于ICEEMDAN和SSA的联合重构方法。该方法将弱周期信号利用ICEEMDAN方法进行提取与重构,可弥补SSA方法中当弱周期信号对应的Hankel矩阵的奇异值和噪声Hankel矩阵的奇异值接近时容易被噪声掩盖而难以提取的不足。通过模拟实验和真实站点数据验证该算法分解和重构精度,并与奇异谱分析法、小波分解法、滑动最小二乘法进行比较。实验结果表明,ICEEMDAN-SSA联合算法相对于已有方法具有更好的重构精度。 相似文献
19.
利用2002-04~2017-06 GRACE月时变重力场信息,反演得到三峡水库区域、长江流域和亚马逊流域的等效水高及地表垂直、水平形变时间序列。在LSTM(long short-term memory)网络基础上,通过堆叠LSTM结构以及在输出层中添加线性连接层来增加网络层数,构成深度LSTM神经网络对时间序列进行预测。引入注意力机制以提高模型对于序列长期特征的提取能力,并使用遗传算法筛选最佳网络层数和优化部分网络超参数。结果表明,在动态预测模式下,纳什系数NSE(Nash-Sutcliffe efficiency coefficient)最差为0.907 9,最好可达0.977 7,标准化的均方根误差R*(scaled root mean square error)最小为0.146 5,最大为0.297 5;在静态预测模式下,评价指标R*均低于0.062 2,NSE均大于0.99,表明模型性能优异。 相似文献