中国大陆GPS基准站的时间序列特征

利用1999年3月至2002年3月期间"中国地壳运动观测网络"25个GPS基准站与周边国家IGS站的观测资料,进行了时间序列分析研究,并对提高GPS基准站的观测精度进行了探讨。结果表明,GPS基准站的时间序列具有一定的周期性,高程分量的周期性最为明显,GPS点位高程时间序列拟合曲线的波峰和波谷出现的时间表现为区域性的不同。     

基于时间序列的高层建筑物沉降预测

本文从时间序列的原理出发,详细论述了时间序列的建模步骤,针对时间序列预测精度随预测步数的增加而减小的不足,对时间序列模型进行了改进,建立了动态时间序列模型,并采用MATLAB软件进行编程,最后结合某电厂冷却塔沉降观测数据进行预报,预报结果表明动态时间序列模型能保持较高的预报精度,能较好的描述建筑物的变形规律。     

应用GPS连续观测修正流动观测垂向速率的分析与实验

目前,基于GPS流动观测确定垂向变化速率受年周期运动影响较大,但因观测数据较少,不能有效消除周期性运动的影响,使得GPS流动观测得到的垂向速率精度较低。提出利用同一区域GPS连续观测修正流动观测垂向速率的方法,首先依据GPS连续站垂向时间序列计算得到连续站的年周期运动振幅,然后进行空间插值得到各流动站的年周期运动振幅,进而对流动站垂向时间序列进行周期性运动修正,最后依据修正后的流动站垂向时间序列求取垂向线性速率。分别选用云南地区陆态网络GPS连续(2010~2013年)和流动观测数据(2011~2013年)进行了验证。结果表明,在年周期运动空间一致性较好的区域,该方法能够有效修正GPS流动观测垂向速率,提高垂向速率的解算精度。     

CORS站点高程坐标时间序列分析

根据CORS(Continuously Operating Reference System)站点多年积累的连续观测数据,研究站点坐标高程分量的变化规律。对高程时间序列进行了谱分析,并对CORS站点高程时间序列进行了预报分析。采用BP神经网络方法对时间序列模型进行补偿,建立了一个融合模型。实例分析结果表明,与传统的多项式函数拟合模型和时间序列模型相比,提出的融合模型预报精度可提高10%以上。     

高频GNSS高楼结构振动动态监测试验

文章通过1HZ GNSS连续观测,设计了高楼结构振动动态监测试验方案:对连续多天观测数据进行了动态单历元解算;根据不同时段可视卫星的平均轨道周期,利用改进的恒星日滤波,减弱了多路径效应;在分析位移时间序列频谱的基础上,结合不同信号的时频特性,进行了高频滤波去噪;最后,成功提取了真实的高楼结构振动时间序列。研究结果表明,多天提取序列趋势一致,精度相当;每天位移时间序列变化较大的时段与地铁的运营时段相吻合;在有效消除多路径效应和随机噪声后,GNSS单历元监测高楼结构振动的精度为:水平方向±2mm,垂直方向±4mm。     

基于灰色时间序列分析的建筑物变形预报研究

提出一种基于灰色时间序列分析的建筑物变形预报方法。对建筑物变形观测数据进行累加,削弱其随机扰动的影响。通过增强建筑物变形观测数据规律性,达到提高时间序列分析预报模型精度的目的。实测数据分析表明,该方法能够有效提高变形预报的精度与可靠性。     

混沌理论支持下的桥梁变形监测研究

针对桥墩的非线性下沉问题,引入了混沌理论。采用改进的C-C算法计算时间序列的时间延迟τ,采用改进的G-P算法计算最佳嵌入维数m,进行相空间重构,并与传统算法对比抗干扰性,计算效率等得到了改善,运用Lvyapunov指数判别该时间序列的混沌特性;最后根据所求参数建立加权一阶局域预计模型和RBF神经网络混沌预计模型,分别对观测数据进行预计分析,将混沌时间预测结果与指数平滑法预测结果进行对比分析。得出混沌时间预测精度高于指数平滑法预测精度,RBF神经网络混沌预计模型的预计精度最高,证明混沌时间序列预计精度可靠,能够实时对桥身变形进行监测,避免灾害的发生。     

复种指数遥感监测方法

复种指数是反映水土光与自然资源利用程度的指标 ,其实质是沿时间序列 ,反映某一种植制度对耕地的利用程度。联系复种指数与时间序列NDVI曲线的纽带是农作物年内的循环规律。时间序列的NDVI值蕴涵着植被的生长和枯萎的年循环节律 ,经时间序列谐函数分析法 (HarmonicAnalysisofTimeSeries ,HANTS)重构的NDVI曲线 ,可以准确地反映农作物的出苗、拔节、抽穗、收获等物理过程。因此 ,根据时间序列的NDVI曲线的周期性 ,可以反向捕捉到耕地农作物动态的信息 ,进而得到耕地的复种指数。本文依据上述原理 ,提出复种指数遥感监测的方法 ,然后用 1999年至 2 0 0 2年 4年的VGT(SPOT4卫星vegetation数据 )旬合成NDVI时间序列数据集提取了复种指数 ,并利用地面样区观测结果和统计数据进行检验 ,取得很高的精度。     

结合卡尔曼滤波和时序模型的隧道初支沉降预测

结合卡尔曼滤波和时序模型对隧道施工初支断面的沉降观测数据进行处理并预报分析,由于隧道中复杂的施工环境影响,容易造成观测数据存在不确定性,而卡尔曼滤波有去噪能力强、数据处理快速的优点。设置时间序列模型为空白对照组,实验表明利用卡尔曼滤波算法结合时间序列模型预测精度总体高于时间序列模型预测精度,可以为指导施工提供有效的定量依据,为施工生产的安全性和经济性提供保障,可在今后的隧道施工中应用。     

高次差法求解时间序列中趋势项的方法研究及其应用

介绍了高次差法求解时间序列中趋势项的基本原理与方法。通过实例对某沉降监测点的观测序列进行分析处理、预报，并与最小二乘法进行了比较，结果表明该法在建模的精度、抵抗粗差等方面均优于最小二乘法。可应用于时间序列中趋势项的求解与多项式回归分析。     

最小二乘法在水位推算中的应用

分析了两个潮汐性质相似验潮站的水位曲线,利用最小二乘法原理确定了两个验潮站之间的关系,实现了实时水位从长期验潮站向临时站的传递。     

GPS参考站垂直位移时间序列的主成分分析

利用了主成分分析方法,分析了中国地壳运动观测网络主要基准站垂直位移时间序列的频谱特征,得出了站点的垂直位移变化具有很强的周年变化特征。     

海面温度异常时间序列的谱分析

利用了傅里叶功率谱和小波功率谱分析方法,分析了太平洋中、东部地区海面温度异常时间序列的时频特征,发现了海面温度异常信号具有2~6年左右的周期特征。     

利用ARMA模型改进GPS高程时间序列的研究

ARMA可用于时间序列建模,本文利用ARMA模型改进了部分IGS连续跟踪站GPS高程时间序列。计算了改进前后时间序列的线性速度,可以发现时间序列线性速度变化不明显,但精度却提高很多。通过研究表明利用ARMA模型有利于降低GPS高程时间序列噪声,可用于GPS高程时间序列的分析和研究。     

联合LMD与EMD的GNSS站坐标时间序列去噪方法

针对GNSS站坐标时间序列信噪不易分离的问题,在传统EMD去噪方法的基础上,本文提出了一种联合LMD与EMD的坐标时间序列去噪方法。该方法首先采用LMD分解原始坐标时间序列,基于连续均方误差（CMSE）原则分离高频噪声与低频信号,保持低频分量不变;然后对高频分量进行EMD去噪;最后以2次分解所得低频信号之和作为去噪后时间序列。以仿真数据与8个GNSS基准站实测数据进行试验,通过多种评价指标进行精度评估。结果表明,与传统EMD方法相比,联合LMD与EMD的方法能够更加精确地去除坐标时间序列中的噪声。     

云干扰下NOAA图像数据模糊聚类方法的改进

利用多时相NOAA/AVHRR热红外数据构成像元级的时间序列,根据不同像元上时间序列曲线的距离和相似度进行聚类分析；对传统的模糊C-均值聚类算法进行改进,在算法中引入指标权重,对不同质量的数据赋予不同的指标权重。试验表明,改进后的算法扩大了应用范围,克服了单幅图像常存在的云干扰,实际效果明显。     

基于时间序列分析的桥梁变形监测预报研究

时间序列分析方法对短期建筑物变形预报具有较高的模型拟合及预报精度.本文从时间序列预测算法原理出发,阐述了使用此方法对所获得的桥梁变形监测数据进行模式识别、模型建立及预报的过程,并利用MATLAB实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法实用性较强,可以及早为桥梁变形做出预警,以避免或减少灾害的发生..     

基于高斯模型的样本缺失GPS时间序列重构方法

缺失样本的存在会造成GPS时间序列速度估计的不确定性,从而影响GPS时间序列的应用。针对该问题本文提出一种基于高斯模型的样本缺失GPS时间序列重构方法,首先利用高斯概率密度函数对GPS时间序列的先验分布进行建模,在此基础上构建全概率贝叶斯统计模型,采用期望最大(Expectation Maximization,EM)算法对模型参数(隐变量)进行迭代更新并计算其最大似然估计值,最终完成信号重构。分别对随机缺失和分段连续缺失两种情况进行实验分析,结果表明所提方法相对于传统插值方法可以获得更好的重构性能。     

基于线性分析及AR模型在GNSS时间序列中的应用

GNSS技术是现代测量技术的代表。为了提高GNSS时间序列的精度,本文利用时间序列线性分析的方法,探测分析时间序列存在的趋势项、周期项以及复杂程度。利用线性拟合方法获取了3个方向的拟合函数;自相关和偏自相关函数探测出时间序列存在周期项和趋势项;应用AR(p)模型对时间序列进行了短期预测分析,通过模型定阶、估计,确定了AR(2)为最佳的预测模型,随着预测步数的增加,预测精度逐渐降低。     

欧洲地区共模误差提取及分析

针对跨度较长时间序列共模误差噪声特征研究较少,选择空间滤波的方法对较长时间序列进行分析以满足参考框架建立的需要。选取欧洲地区58个IGS基准站2001—2011年的坐标时间序列,采用区域叠加滤波法、分区区域叠加滤波法和相关系数加权叠加滤波法求取共模误差,并以滤波后时间序列相关系数和残差时间序列标准差为标准对其进行对比分析;进而,利用极大似然估计的方法对每个区域共模误差及滤波前后坐标时间序列进行噪声分析。结果表明:分区区域叠加滤波法最适合欧洲地区共模误差的提取;共模误差主要成分是闪烁噪声,也包含白噪声、随机漫步噪声等;当时间序列长度较长时,N、E方向受共模误差影响较小,可忽略,U方向受共模误差影响较大,需要考虑。