时间序列分析及其在测绘领域的应用初探

时间序列分析是通过对研究对象随时间变化的过程来反映其变化规律并进行预测和分析。目前时间序列分析在统计、金融、贸易等学科领域应用较多,但在测绘领域的应用才刚刚开始。本文对时间序列的基本概念、常用建模方法等进行了概要总结和描述,并通过一个SPSS(Statistical Productand Service Solution,统计产品和服务解决方案)实例的分析,显示时序分析模型的应用过程,对时间序列分析在测绘领域的应用潜力进行了初步探索,为今后的深入研究积累了一定的经验。     

时间序列分析在地铁变形监测中的应用

本文基于平稳时间序列数据的分析处理方法,研究了利用ARMA(p,q)模型进行地铁变形数据处理和预报的方法与步骤,应用统计软件SPSS19.0对实测变形数据进行了处理。结果表明:应用ARMA(p,q)模型分析处理变形数据十分有效、可靠;同时充分利用现有的统计软件SPSS进行建模具有操作简便、计算准确可靠、预测精度高等优点。     

时间序列分析在地铁沉降观测中的应用

为了避免地铁建设过程中危险事故发生,需要在施工过程中进行沉降观测。本文研究采用时间序列分析对不同地质条件下地铁拱顶沉降点观测数据进行平稳化处理,求出自相关系数及偏相关系数,确定预测模型和误差残差值及置信区间。实验结果表明,拟合预测值与原始观测数据的差值在合理的误差范围内,能够对沉降值进行预测,实现对地铁沉降进行监测的目的。     

时间序列分析在变形监测数据处理中的应用

在变形监测数据处理中,为了提高预报的精度,本文引入了时间序列分析中的ARMA模型,通过工程实例对该模型的预报精度进行检测,该工程实例的变形监测数据共有30期,本文通过前25期的数据进行ARMA建模并对第26至30期的变形量进行预报,与相应的实际观测值进行对比求差。对比结果显示预报结果良好,一步预报最大残差值在1mm,时间序列分析方法在变形监测数据处理领域应用效果良好。     

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。     

时间序列模型在建筑物沉降监测中的应用

简要介绍了时间序列分析的基本原理及方法、数据识别、建模和预报及其在变形监测数据处理中的应用。结合华景新城二区六期20号楼的一个监测点（J101）连续20期的观测数据进行了计算分析,实际工程应用表明,该模型能准确监测和预报建筑的变形,具有很强的实际应用价值。     

基于时间序列分解的GPS卫星钟差预报

根据二次多项武和灰色模型在卫星钟差预报中的特点,本文提出以ARMA(Autoregressive Moving Aver-age)模型分别进行改进;对IGS(International GPS Service for Geodynamic)提供的精密钟差进行时间序列分解,根据预报时间的长短,趋势项分别采用二次多项式和灰...     

时间序列分析在地铁沉降监测中的应用

采用时间序列分析方法,对长春市地铁一号线——繁荣路站基坑变形监测点连续28期的数据进行分析处理,建立自回归模型,并对后4期数据进行预报,其一步拟合中误差为σ=±0.2 mm,具有较高精度。通过对数据的分析,论证了时间序列分析方法在地铁沉降监测中的可行性与有效性。     

InSAR时间序列分析技术在西安地表形变监测的应用

差分干涉测量技术（D-InSAR）是近年发展起来的新型空间对地观测技术,具有全天候、全天时、大范围地表形变监测优点,但由于受到时空失相干和大气延迟的影响,形变监测精度受到了很大的制约。近年发展起来的InSAR时间序列分析技术,将多景SAR影像数据融合在一起,利用时间序列分析提取监测区域监测期内的时间序列形变信息,间接消除或削弱了时空失相干和大气延迟对形变结果的影响,具有良好的应用前景。本试验利用InSAR时间序列分析技术获取了西安市三环以内主城区2007年1月至2011年2月间的高精度地表形变成果。     

基于ARMA模型的GPS基准站坐标时间序列分析

由于利用GAMIT/GLOBK软件对连续运行多年的GPS基准站数据进行处理的原始结果存在一定的噪声,本文利用ARMA模型对GPS基准站坐标进行时间序列分析,其中采用Pandit-Wu方法确定ARMA模型的阶数.试验结果表明,采用Pandit-Wu方法能够准确地确定ARMA模型的阶数,并且基于ARMA的时间序列有效地消除了一定量的噪声,让GPS基准站随着时间的变化规律与趋势更加明显,说明ARMA模型在GPS基准站坐标时间序列分析中剔除噪声及突显变化量与趋势具有良好的效果.     

时间序列分析在变形监测数据处理中的应用

从时间序列分析的基本原理及方法出发,详细论述了如何使用这种方法对变形监测数据进行识模、建模、与预报.并通过实例计算验证了此种方法具有较高的拟合和预报精度,较好地描述了变形监测点的变化规律.     

时间序列分析在工程安全监测中的应用研究

当前我国处于基础建设的大发展时期,对大型工程的安全监测工作提出了更多的要求.在获取工程变形监测的数据后,如何准确地建立变形模型并对未来的变形趋势做出一定的预测,是当前工程安全监测研究的重点.时间序列分析利用逐次观测值间的时序性和相关性,对监测数据建立相应的数学模型并对模型进行研究分析,解析数据内在的结构和特性,然后根据...     

极移时间序列模型的拟合与预测

对IERS提供的极移数据进行了余弦趋势模型及ARMA模型拟合和预测。对实验结果进行分析,发现余弦趋势模型适合对极移成分进行分析;同时,ARMA模型适合对极移时间序列进行拟合及预测,其拟合精度相对于余弦趋势模型有较大提高,预测精度接近国际最好水平。     

小波时间序列分析在高铁沉降变形中的应用

采用小波时间序列预测模型,建立基本思想和实现步骤,结合某高铁沉降监测数据,利用db3小波对原始数据进行去噪,在此基础上,建立了AR(2)模型,与运用时间序列方法所求出的预测值,进行比较分析,结果表明,采用小波时间序列预测模型,求出的预测值精度更高,具有很强的实用性。     

GPS高程数据时间序列分析

对GPS台站时间序列进行了研究,对我国IGS连续跟踪站高程分量的数据进行谱分析和小波分析,用最小二乘法将时间序列的白噪声与有色噪声分离,并利用AR模型建模。通过分析,获得拉萨、上海和武汉GPS连续跟踪站的有色噪声特征。     

PCA方法在GPS坐标时间序列分析中的应用

以安徽及邻区8个GPS连续站点的观测数据为基础,应用主成分分析法提取其共模误差,并对扣除共模误差前后的残余时间序列进行了对比分析。结果显示,扣除共模误差后的残余时间序列的周期性变化较为明显,数据信噪比有所提高。     

稳健时间序列方法及其在变形时频分析中的应用

计算机技术、通信技术、传感器技术的发展给变形监测的手段带来了极大的变化。GPS技术、RTK技术及各种带传感器的测量仪器（流体静力水准仪、测量机器人、数字垂线仪等）在变形监测中已得到较广泛的应用，可以得到许多物理量随时间而变化的近似连续的观测序列。     

区域滤波方法在IGS台站时间序列分析中的应用

随着GPS技术的发展,在连续运行的GPS参考站上已经积累了将近20年的数据,形成了比较充足的GPS坐标时间序列.在GPS时间序列中包含着共模噪音和其他未建模的误差,利用相关性分析方法提取GPS时序中的共模噪声,通过主成分分析方法来对GPS时间序列的残差进行主成分提取,并在时序分析中将其剔除,从而得到纯净的GPS时间序列...