基于小波分析的GPS PWV与PM2.5比较研究

通过比较2013-11~12的BJNM站点GPS PWV序列与天坛站点PM2.5浓度序列发现,两者的相关系数大于0.535,sig值小于0.01,存在显著的正相关特性;基于小波分析方法剔除高频噪声、细微扰动和小尺度系统影响的第4层低频系数重构的PWV序列与PM2.5序列的相关性达到0.749;高频系数重构的PM2.5序列与PWV序列的相关性达到0.839,更能反映两者的正相关特性。     

基于小波变换的GPS水汽与气象要素相关性分析

利用北京市GPS连续观测资料结合气象资料开展GPS水汽与气象要素的相关性分析。首先使用GAMIT软件解算2009-06-01~2012-04-30的北京GPS连续观测网观测数据并结合气压数据获得测站水汽序列;然后用小波变换方法对GPS水汽、温度和气压数据进行分解与重构,并对重构后的数据进行相关性分析。GPS水汽序列的变化趋势与温度呈显著正相关,与气压呈显著负相关。水汽和气压存在年周期和半年周期变化,两者存在显著负相关特性;温度有年周期变化,水汽和温度在d13重构结果的相关性最好,存在显著正相关特性。     

基于提升小波的单历元GPS变形监测信号的去噪

介绍提升小波阈值收缩法去噪的基本原理和方法,利用该方法对含噪的GPS单历元变形监测数据进行去噪,提取真实变形信息。实际数据处理结果表明,相比第一代小波,提升小波变换去噪效果更好,计算速度更快。     

基于双树复小波的变形监测数据去噪分析

将双树复小波引入到变形监测数据去噪中,从信号分解、去噪过程和去噪质量3个方面综合评价其可行性和有效性。理论分析和算例表明,信噪分离的质量会对阈值估计、阈值去噪和信号重构产生较大影响,信噪分离较好的信号能在一定程度上削弱阈值函数存在的缺陷;双树复小波的分解效果优于传统离散小波,能较好地表现出细节部分的频率信息,使变形信号的周期性变化特征更为明显,可以应用于变形监测数据分析。     

改进的小波阈值函数对变形监测数据的去噪研究

基于小波分析中传统的阈值函数,结合其他学者提出的小波阈值函数,提出一种改进的小波阈值函数,并将其应用于变形监测数据的去噪处理。理论分析和算例表明,新的小波阈值去噪函数能够有效去除噪声。     

基于小波变换的河北省GPS PWV与PM2.5的相关性分析研究

以2014-01~03的河北省GPS和PM2.5观测数据为例,利用小波变换方法开展GPS水汽和PM2.5浓度的相关性分析。结果表明,低频系数重构的GPS水汽与PM2.5浓度序列较好地反映了两者之间的正相关特性;D7高频信号（128~256 h）及D7与D6高频信号（64~256 h）重构的GPS水汽与PM2.5浓度的相关性较原始序列的相关性有较大提高;对于持续7 d的重度雾霾过程,由第7层和第6层高频系数重构的GPS水汽序列与PM2.5浓度序列的相关性达到0.890;不同时刻水汽变化对PM2.5浓度观测的影响,在水汽变化波动较大时段,水汽与PM2.5浓度的相关性为正;对于水汽变化波动较小时段,由于水汽与PM2.5浓度峰值时刻的差异,水汽与PM2.5浓度序列的相关性则不明显。     

超高层建筑GPS动态监测中对流层延迟处理方法研究

GPS动态监测超高层建筑物时,由于监测站和基准站高差较大,对流层湿延迟不能较好地通过传统的双差模式进行消除。本文采用基于随机游走过程的参数估计法对双差残余对流层延迟进行进一步削弱,并介绍相应的数据处理方法。实验结果表明,超高层建筑在进行GPS监测时对流层延迟残余误差不可忽略,卫星高度角越低相应延迟量越大;通过该方法进行估计改正,提高了实时动态监测精度,尤其是在高程方向的改善较为明显。     

GPS动态变形分析中的傅里叶级数恒星日滤波

针对恒星日滤波中计算GPS卫星轨道运行周期提前时间的问题,提出一种基于傅里叶级数曲线拟合的提前时间估计方法。根据跨度达8 526 d的广播星历计算每天中所有可用卫星运行周期相对于前1 d的平均提前时间,将此平均提前时间作为采样点,以8阶三角函数形式展开的傅里叶级数进行曲线拟合,将卫星运行周期的提前时间拟合成关于时间的单一变量函数,免去了繁琐的计算步骤。实验结果表明,傅里叶级数恒星日滤波法缩小了监测点N、E、U三个方向坐标残差序列的均方根值,有效消除了GPS动态变形监测分析中的多路径影响,提高了复杂工程环境下动态变形监测中变形信息提取的能力。     

С��������GPS�񶯼�������е�Ӧ��

?????????????????????GPS ??????????????Ч???????????????GPS?????????????в???С???????????????????????????Ч?????????????????????????????     

��С�����������о��ɿ��ٶ������Ĺ�ϵ

?????????????????????????????????????????????????С???????????????????????????????к??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????Ч?????????????????     

小波多分辨分析在变形分析中的应用

利用离散小波变换方法对变形观测序列进行分析 ,通过小波多分辨分析方法对变形观测数据进行分解和重构 ,有效地对误差进行了分离 ;在分析非线性形变算例中 ,小波变换得到的去噪后变形曲线与多项式回归法结果相比 ,克服了因选用不同模型拟合效果不同的主观影响 ,既能较好地反映局部变形特征 ,又能反映整体变形趋势。     

小波分析方法在形变数字化资料处理中的应用

基于小波变换理论，提出了应用小波分析方法识别、消除数字化资料的干扰，提取不同频率信息的方法。结合实例，讨论了小波分析方法在识别与分离不同频率信息、提取趋势异常与短期异常等方面的应用。研究表明，小波变换是形变数字化资料分析处理的一种有效方法。     

��Ͽ��������GPS���¼�������ݷ���

?????????????????????è???10??GPS??????????2005??2007?????????????ò???????????????????????????????????????????????????????????3?????????????????α?λ????????????????????????????     

GPS测站位移速率的解算方法

对目前4种常用的利用GPS复测资料解算测站位移速率的方法进行了分析，通过实例对比了4种方法的结果。坐标法可以直接利用多期复测结果得到测站大地坐标，但要求坐标在同一参考框架内，并采用相同的参考椭球；基线方法可以消除或削弱观测系统的系统误差，与参考框架无直接关系，但在平差计算时至少要引入1个起算点，起算点高程方向的误差会削弱其他点平面坐标的精度，并进而影响位移速率的精度；在选定不同基准解算位移速率时相似变换方法是十分有效的，但如果复测结果不在同一参考框架中，其结果存在框架不一致所带来的误差；QOCA方法能够综合利用多种观测数据，可以把区域观测数据和全球观测数据稳健地结合起来，在削弱观测期间突变因素的影响方面比其他方法具有便利之处。     

从GPS观测看华北地区的形变场演化

利用1992、1995、1996、2001年的GPS观测资料研究了华北地区形变场的动态演化。华北地区的形变场服从中国大陆板块的整体应力应变场,但也有动态起伏。从主应变场看,1992~1995年,整个华北地区主应变场的方向比较一致,即主压应变方向为NEE-SWW,主张应变方向为NNW-SSE,应变量东部大于西部;但1995~1996年则相反,西部应变量大于东部,而且应变场方向也发生了明显的偏转,西部主压应变方向为NNE-SSW,而东南部地区为NEE-SWW;到1996~2001年西部地区主压应变又恢复到NEE向,整个华北地区应变量也趋于平衡。比较GPS观测与震源机制解给出的华北地区的应力应变场可以看出,其主应力方向基本一致。     

新疆伽师地区现今构造运动和地形变GPS监测的初步研究

对伽师及帕米尔东北侧地区的GPS监测网进行加密和复测,采用GPS高精度数据处理软件进行解算,获得了高精度的观测结果,基线的相对精度达10-8～10-9.根据观测结果,初步得到了该地区的现今地壳形变速率图及各基线矢量的时间序列.结果表明,伽师地区向北推移、塔里木盆地对天山的正向挤压是该区地壳运动的主要方式.     

动态回归模型在变形分析中的应用

为了使回归模型适应动态数据集,推导了动态回归模型的递推最小二乘算法,数据更新时,采用修正方式更新回归系数计算两个矩阵,避免了重复矩阵求逆运算,实现了观测数据增加而矩阵阶数不增加,理论上减少了计算时间。以柘溪和东江两大坝变形分析多元动态回归模型为例进行实验,结果表明：该方法建模过程简洁、无需迭代计算,易于编程实现,在计算效率与预报精度等方面均具优势,可应用于实时变形分析建模。     

���μ�����ݵ�С��������Ԥ�ⷽ��

??????μ?????????????????????????С??????????????????????С???????????????μ??????????????????????????????????ó????????б????ó?????:С??????????????μ??????????????????????Ч????