基于时间序列分析和灰色理论的建筑物沉降预测模型研究

基于时间序列分析方法建立建筑物沉降预测模型,其中通过二次移动平均法提取出沉降监测序列中的趋势项,并在此基础上采用灰色系统理论动态GM（1,1）模型进行趋势项预测。实际算例结果表明,该模型能够较好地预测沉降变化的发展趋势,并具有较高的预测精度,证明了该预测模型具有一定的可行性和有效性。     

全球电离层时空变化特性分析

采用谱分析和小波分解的方法对全球电离层VTEC量的时空变化特性进行了分析。使用IGS中心发布的全球电离层网格图数据,分别从高中低纬度全年变化特性、南北半球全年变化特性、全球范围内随经纬度的变化特性对电离层VTEC进行了分析。结果表明,高中低纬度地区VTEC量具有周日和半周年变化现象,在二分点处存在峰值,南半球电离层较北半球电离层活跃,经度变化对VTEC值的影响较纬度变化大,总体上,太阳辐射是电离层活动的主要影响因素。     

基于Sentinel-2和Landsat卫星时序数据的耕地撂荒识别

充足的粮食供应是当下经济发展和社会稳定的重要保障之一,撂荒作为耕地边际化的极端表现,对其开展监测对保障耕地数量和质量至关重要。本文以四川省南充市营山县为研究区域,通过GEE平台,使用Sentinel-2和Landsat 7、8数据构建时序数据集,计算NDVI、EVI、NDWI、BSI、MSI等指数,分别利用支持向量机和随机森林法提取耕地撂荒,总分类精度为73.76%,Kappa系数为0.68,针对耕地撂荒最佳提取效果,F₁得分为0.691 1。本文方法对山地丘陵地区耕地撂荒监测有较大的借鉴意义。     

城市地铁变形监测数据处理

为确保地铁施工安全进行变形监测是非常重要的手段,而变形监测的最终目的是预测,即对观测物的未来形态进行预报和分析。时间序列的原理是找出事物随时间变化的规律,从而对数据变化趋势做出正确的分析和预报。本文通过对时间序列的研究对长春地铁繁荣路站的变形监测数据进行了分析和预报。     

结合InSAR和独立成分分析的衡水市地面沉降研究

针对地下水的过度开采容易导致地面沉降问题,为了更好地管理地下水开采,防控地面沉降,该文结合使用了InSAR时序数据和ICA方法,将衡水市部分地区2017—2020年地面沉降分解为3个模式,并结合地下水等数据对独立成分的时空特征进行分析。通过IC时间序列与地面沉降序列较高的相关系数(0.98、0.74和0.84以上),验证了独立成分时间序列与地面沉降的一致性;通过各分量的贡献占比,可知地面沉降的主导成分;IC3与地下水的相关系数(0.9以上)表明IC3受到地下水变化的控制。实验结果表明,研究区地面沉降有长期沉降、城市生活和工业用水引发的沉降以及季节性沉降3种沉降模式,其中长期沉降为地面沉降的主导成分,季节性沉降与冬小麦-夏玉米的耕作制度有关。     

GNSS坐标序列的自适应奇异谱分析

针对奇异谱分析在进行大量GNSS高程时间序列时变周期信号提取时存在繁琐而低效的问题,提出一种自适应奇异谱分析方法。通过改进迹矩阵的构建方式提高算法运行效率,并结合频谱分析辅助确定滞后窗口大小,同时采用迭代法自主选择主分量,从而精准高效地提取时间序列中的周期项信息。实例分析表明,该方法能自适应地设置滞后窗口大小,准确提取大量GNSS高程时间序列中的时变周期信号,且单个时间序列提取效率是奇异谱分析的6倍,该方法的自适应性和准确性使其更加适用于大量GNSS站点的时变周期信号分析。     

自回归移动平均模型的电离层总电子含量短期预报

摘 要：本文在充分考虑乘积性季节模型的情况下,利用差分法对电离层总电子含量（Total Electron Content,TEC）样本序列进行平稳化处理后,采用时间序列分析中的求和自回归移动平均模型（简称ARIMA,Autoregressive Integrated Moving Average)对TEC值序列进行预报分析。以欧洲定轨道中心（CODE）提供的2008-2012年电离层TEC值为样本数据,分析了该方法在电离层平静期、活跃期预报高、中、低不同纬度电离层TEC值的精度以及TEC样本数据的长短对预报精度的影响等。实验结果表明：在电离层平静期和活跃期预报6天的平均相对精度可达83.3%和86.6%;而平均预报残差分别为0.18±1.9TECU和0.69±2.6TECU,其中预报残差小于3TECU分别达到90%和81%以上;而且两个时期都具有纬度越高相对精度越低而绝对精度越高的规律。此外,预报精度会随TEC样本序列长度增加而提高,但40天左右为其最佳样本长度,如超过此长度,其精度会逐渐降低;而相同样本数据的预报精度会随预报长度的增加而减小,初期并不明显,但超过30天其相对精度将随时间明显降低。     

基于EMD的改进型3δ粗差探测方法

针对全球卫星导航系统（GNSS）时间序列粗差多、分布随机的问题,提出一种基于经验模态分解（EMD）的改进型3δ粗差探测方法。新方法基本思想是：先利用3δ准则初步探测全球导航卫星系统（GNSS）时间序列粗差并插补,再将GNSS时间序列分解为若干时间尺度的固有模态函数（IMF）分量,再利用相关系数法信噪分离,最后利用3δ准则对残差序列进行粗差探测。利用模拟数据和实际工程数据对比EMD-3δ方法相对于常规LS(Least Squares)-3δ法的粗差探测效果。模拟实验数据表明,EMD-3δ法能够探测92.7%的粗差,LS-3δ方法仅能探测48.3%的粗差。来自斯克里普斯轨道和永久阵列中心（SOPAC）的GNSS时间序列数据进一步表明EMD-3δ能较传统方法更有效地探测粗差。     

桥梁变形的AR预报模型研究

基于时间序列分析卵论,提出以统一的AR模型对平稳可逆的随机时间序列建模的新方法.结合桥梁沉降监测的具体实例应用AR模型进行预报.结果表明,应用AR模型预报桥梁变形,具有模型形式简单、计算量和存储量较小、便于上机实现、模型顶测精度高等优点.     

基于噪声随机模型的加权观测融合方法

信息融合技术中,在各局部传感器的有色观测噪声为一阶AR模型的情况下,可以利用观测扩增方法消除有色噪声的影响,得到最优加权观测融合方程,从而实现状态的最优滤波解。对于有色观测噪声为MA或ARMA模型的情况,观测扩增方法不再适用。提出了基于有色观测噪声随机模型级数展开的方法,求解出各局部传感器有色观测噪声的方差,并利用该方差对加权观测融合滤波器进行了构造。通过计算实例证明,该方法不仅适用于观测噪声为AR模型,同时适用于噪声MA或ARMA模型。