顾及钟差随机项的GPS卫星钟差预报

针对卫星钟差呈趋势项和随机项变化的特点,提出了基于GM(1,1)与自回归求和移动平均的组合预报模型。该模型首先采用GM(1,1)模型预报钟差的趋势项部分,然后利用ARIMA模型对GM(1,1)的模型残差序列进行建模和预报,最后将GM(1,1)和ARIMA模型的预报结果对应相加即得到钟差的最终预报值。此外,采用IGS公布的精密卫星钟差进行预报试验,通过与卫星钟差预报中常用的二次多项式模型和修正指数曲线法模型预报结果的对比分析,结果表明:该方法可以对GPS卫星钟差进行高精度的中短期预报。用12 h钟差建模时,预报未来6、12、24和48 h的平均预报精度分别为0.71、1.17、1.93和4.38 ns,相比于二次多项式模型的平均预报精度分别提高了29.70%、43.75%、67.62%和76.21%;相比于修正指数曲线法模型的平均预报精度分别提高了18.39%、33.90%、61.40%和70.49%。     

地形因子与小微地震相关度的空间异质性分析

针对传统最小二乘回归未能顾及数据的空间特性,且无法度量模型自变量与因变量相关性的空间变异特性的问题,本文提出利用地理加权回归方法分析小微地震频次与地形因子相关度的空间异质性。以四川地区的地震监测资料、DEM为实验数据,选取地形复杂度、坡度变率、坡向变率和地面曲率为自变量,地震发生频次为因变量,构建地理加权回归模型,并进行回归系数的空间变异分析。实验分析发现,地震频次与地形因子具有一定的相关性:地形复杂度与地震频次相关性最强;坡度变率、沟壑密度、剖面曲率与地震频次的相关性依次减弱;不同空间位置的地形因子和地震频次的相关性具有较明显的空间异质性。实验结果表明,地理加权回归可以有效地度量分析地震频次与地形因子相关度的空间异质性,研究结果可为地震及次生灾害的分析与预报提供辅助决策参考。     

用MapGuide实现房产测绘信息管理和发布的GIS系统

通过分析房产测绘及信息管理和发布现状,实现基于地理信息的房产信息管理和发布系统.详细描述系统的功能、结构及软件接口.最后简要论述系统的特点.     

GPS RTK点与城市导线精度匹配探讨

紧密结合现行的城市测量规范,分析了城市导线精度,从常规测角与量边概念探讨了GPS RTK点与城市导线匹配问题,并对全站仪检测RTK点位精度的观测数据,运用统计方法,分析了这个问题,进而讨论了当RTK点提供城市导线测量起算数据时,RTK点距离应满足的要求,为RTK在城市导线作业提供参考。     

基于激光跟踪仪的三维控制网测量精度分析

介绍三维控制网的优点及激光跟踪仪测量系统的特点,讨论了光束法平差原理及不同观测值的权比问题,并以100MeV电子直线加速器安装测量控制网的模拟计算和实测结果,论证了利用激光跟踪仪进行三维控制网的精度。     

GPS多路径效应实例计算与分析

本文讨论了一个GPS伪距多路径值计算及其频谱分析的方法。文中首先介绍了GPS多路径试验测量和观测数据采集的程序。然后探测和修复周跳、再利用伪距多路径计算公式,获得GPS测量中的伪距多路径值。实例证明该方法有效地计算出了伪距多路径值。     

附有限制条件的间接平差与附有条件的条件平差的内在联系探讨

通过运用附有条件的条件平差原理解算附有限制条件的间接平差模型,以及运用附有限制条件的间接平差原理解算附有条件的条件平差模型,推证得出结论:对于同一个平差问题而言,这两种平差模型是完全等价的,都可作为各种经典平差模型的概括平差模型。     

GPS RTK高程拟合方法精度研究

介绍全球定位系统实时动态测量(GPSRTK)高程的理论方法和数学模型,基于工程实例和实验数据研究起算点的空间分布、起算点数量和拟合方法对高程拟合精度的影响,提出提高水准拟合精度的有效措施。     

城市地下管网管理信息系统研究

从中小城市出发,用VC 开发工具基于MapObjects组件上开发德州市城市管网地理信息系统。从数据的多元性出发,目前大多数城市的电子地图具有多种格式,其中AutoDesk公司的CAD数据占很大比例,ArcInfo格式也占一定比例,如何让多种数据在一个系统中共享,重点阐述构建一个地理信息系统的数据结构和数据组织方法,最后给出结论。     

Acquisition of Directional Parameters in Aerial Images Based on DEM Data

1　Extraction of the steep curve mapThe steep curve is defined as connection linefrom zero cross points which are produced fromthe convolution of Laplace ( LOG) filtration toDEM. Firstly, the elevation data from DEM areprocessed with LOG convolution and zero cross.The sampling formula is 2G(i,j) =12πσ6(r2 -2σ2)e-r2/2σ2 (1)where -M≤i≤M,-M≤j≤M,r2=i2+j2; M isthe filtration radius, nearly equaling to 5.1σ2; pre diction errorσis set to 4. Suppose that e[i,j] is asmall …