1700—2012年太阳黑子周期性变化的小波分析

为了研究太阳黑子的周期性变化规律,采用SIDC提供的1700—2012年逐年与1987—2012年逐日的太阳黑子数据,利用小波功率谱分别从长周期和短周期两个方面研究太阳黑子的周期,分析结果表明,太阳黑子存在3个显著性周期:0.075 a(27 d)、11.04 a和111.6 a,除此之外,还有55 a的局部显著周期。对太阳黑子数与太阳F10.7射电流量进行交叉小波变换,分析结果发现两者在10.1~12.3 a的尺度上有着显著的共振性。利用最小二乘谱分析方法得到太阳黑子时间序列各个周期的振幅和趋势信息,结果显示各个周期的振幅与其小波功率谱成正比关系,11.04 a的振幅最大,0.075 a最小,同时在1700—2012年间,太阳黑子呈现逐年递增的趋势,每年约增长0.08个单位。     

利用小波分解改进极移预报模型

高精度的日长（length of day,LOD）变化ΔLOD预报值在深空探测器跟踪、卫星自主导航和气候预测等领域具有重要作用。针对ΔLOD复杂的时变特性,首先,利用奇异谱分析（singular spectrum analysis,SSA）方法提取ΔLOD时间序列中的趋势项、周年项与半周年项等主成分,并基于SSA迭代插值算法对主成分进行外推;其次,采用差分自回归滑动平均（autoregressive integrated moving average,ARIMA）模型对扣除主成分的剩余项进行建模预测;最后,将SSA主成分外推值与ARIMA预测值相加获得ΔLOD预报值。选取国际地球自转与参考系服务组织发布的2000-01-01—2001-12-31的ΔLOD数据进行1~365 d跨度的预报实验,并将SSA+ARIMA预报结果与反向传播神经网络、广义回归神经网络和高斯过程等机器学习方法的预报结果进行对比分析。结果表明,SSA+ARIMA方法的预报精度优于几种机器学习方法,特别是中长期预报精度优势更为显著,其中,对于1~30 d短期和30~365 d中长期的预报,SSA+ARIMA方法的平均绝对预报误差相对于机器学习方法最大分别降低了39%和61%。

     

由GPS探测的电离层时空变化分析

为了研究局部区域电离层的周期性变化,建立精确的区域性电离层预报模型,根据全球TEC的空间分布规律,将全球划分为四大区域。采用小波分析方法对CODE提供的1999—2013年间的电离层网格数据进行了周期性分析。分析结果表明,电离层存在着26.5 d,0.5 a和1 a的显著周期。其中,26.5 d周期全球范围内显著;0.5 a周期在低纬地区显著;1 a周期在高纬地区显著。利用最小二乘谱分析对各周期振幅进行了分析,结果表明,26.5 d,0.5 a,11 a这3个周期的振幅呈现着由赤道向两极递减的趋势;1 a振幅在中高纬地区较为明显;0.5 a振幅在北半球较大,而1 a振幅在南半球较大。除此之外,各周期振幅在局部区域有异常现象。     

基于小波变换的逐步线性回归分析预测大坝位移

介绍了小波变换及逐步线性回归分析的方法,并将两种方法融合在一起分析预测大坝位移,与传统的逐步线性回归分析相比较,该方法能提高大坝位移的预测精度.     

超导重力仪观测数据分析

超导重力仪作为目前研究时变重力场的主要仪器具有很高的灵敏度和稳定性、很低的噪音水平和漂移以及很宽的动态频率响应范围。探测时间序列中隐含的周期信号是超导重力仪观测数据分析的主要目标之一,通过快速傅里叶变换(FFT)和最小二乘谱分析方法分析超导重力数据中隐含信号的检测,并对两种方法结果进行了分析比较。并最终用小波分析的方法进行了检校。     

1950～2003年日长近120天准周期振荡和厄尔尼诺现象

介绍了小波振幅分析方法和小波振周谱分析方法的解析表达，然后利用小波振幅分析方法研究了1950～2003年日长近120d准周期振荡的时频规律(国际地球自转中心提供的1962～2003年的日长变化以及根据美国环境预测中心提供的大气角动量换算的1950～2003年大气激发的日长变化)。此外，还利用小波振周谱分析方法研究了同一时段内厄尔尼诺3、4区海水温度异常年际变化的时频特征，并将它与日长近120d准周期振荡的振幅变化进行了比较。     

基于小波预处理的基坑变形监测数据的最小二乘估计

利用小波变换特有的低通滤波属性和有效抑制测量噪声的能力,将传统的最小二乘估计与之相结合,提出了一种基于小波预处理的最小二乘估计新方法 ,并针对具体基坑变形监测数据,验证了该方法的有效性。     

太阳黑子数时间序列的奇异谱分析和小波分析

本文对小波变换和奇异谱分析方法进行了简要介绍,对离散小波的分解和重构、奇异谱分析的重构进行了详细阐述。结合太阳黑子数1749年至2007年3月期间的月平均值时间序列进行了小波变换的分解和重构及SSA方法的重构,提取了其主要的周期特性,并对两种分析方法进行了比较。     

日长变化、大气角动量和ENSO:1997～1998厄尔尼诺和1998～1999拉尼娜信号

采用1970年1月－1999年6月期间日长变化序列（ΔLOD）、大气角动量（AAM）和南方涛动指数（SOI），通过小波变换等方法研究ΔLOD、AAM与ENSO间的关系。结果表明，ΔLOD和AAM的年际变化与ENSO具有相似的时变谱结构，从日长和AAM资料中可以检测到1997－1998年厄尔尼诺（El Nino)和1998－1999年拉尼娜（La Nina)事件的信号。     

基于小波变换和最小二乘支持向量机的卫星钟差预报

提出了一种基于小波变换和最小二乘支持向量机的卫星钟差预报方法 首先通过小波变换把钟差时间序列分解成具有不同频率特征的分量然后根据各分量的特点构建不同的最小二乘支持向量机模型进行预报最后将各分量的预报结果进行叠加得到最终的钟差预报值 实验结果表明该方法的预报效果优于单一的最小二乘支持向量机模型以及常规的二次多项式模型和灰色系统模型     

BJS54测绘成果到CGCS2000的改正分析

2000中国大地坐标系(CGCS2000)是我国新启用的地心坐标系。采用七参数转换模型且计算区域内使用一套转换参数计算了1954北京坐标系(B JS54)下的经纬度坐标以及高斯平面坐标转换到2000中国大地坐标系(CGCS2000)的改正量,分析了这些改变量所对应的变化趋势以及对旧地形图的影响,提出了对纸质地形图和数字地形图的改正方法。垂线偏差和高程异常的改正量也进行了计算和分析。