基于灰色拓扑的年径流序列预测研究

考虑到径流资料变化幅值较大,又不具有明显的周期性,为建立能客观反映径流变化这种复杂波形的模型,本文引进灰色拓扑预测方法,对黄河上游兰州站年径流进行了长期预测,预测结果精度较高,满足规范要求,此结论为黄河上游水资源的优化配置提供了科学依据.     

利用GNSS数据分析大港验潮站地壳沉降

青岛大港验潮站的地壳沉降关系到该站平均海平面的绝对变化,因而也就关系到我国高程基准面的变化。本文利用青岛GNSS基准站约10年的观测数据对该站的地壳沉降变化进行分析。首先将青岛GNSS基准站纳入由50个国际IGS站和43个国内陆态网络基准站组成的全球网中,进行单日松弛解和单日约束解解算,获得该站坐标时间序列。然后对该站垂向坐标时间序列进行分析,利用粗差探测、偏差探测、趋势项分析、频谱分析等方法对粗差、偏差、趋势项和周期项进行探测、分析,并通过时间序列模型估计获得时间序列中的周期项振幅和偏差估值。分析表明青岛GNSS基准站垂直方向近一段时间未发现存在显著性的地壳沉降变化,但受到比较明显的周年和半周年周期变化影响。结合青岛大港验潮站验潮数据分析结果得出结论:青岛大港验潮站平均海平面的绝对上升速率是1.62mm/a。     

基于震荡序列的灰色预测模型在边坡沉降监测中的应用

公路边坡由于施工的影响,监测点时升时降,累计沉降量是震荡序列。本文采用三种模型对累计沉降量进行预测。结果表明GM(1,1)和DGM(1,1)预测曲线并不能反映实测值曲线走势,预测值与实测值的偏离程度较大,预测精度较低。SDGM(1,1)模型无论在与实测值曲线走势、与实测值接近程度还是在残差平方和或者平均相对误差上精度要高于其他两种模型,在P,C值上,SDGM(1,1)模型实现"级"的跳跃,是一个非常理想的预测模型。     

小波分析在垂向海潮特征信息去噪研究

目前国内外许多学者利用沿海GPS站点的高精度坐标时间序列进行海潮特征信息的提取研究,已取得一定成果,但高精度坐标时间序列中不可避免地存在许多噪声,极大影响海潮特征信息的提取。基于日本GMSD站的67d的高精度PPP坐标时间序列,利用小波分析进行去噪实验,经FFT变换后,将提取的结果与FES2004海潮模型的特征值比较。实验结果表明:经小波分析后,GPS站点的时间序列精度得到提高;经小波去噪后的反演精度均有不同程度的提高,最多达到0.14mm,而海潮特征值的量级为厘米级或者亚厘米级,说明小波分析对海潮特征值的提取精度有明显提高。     

雷达卫星影像中输电导线散射斑的相位时间序列稳定性分析

分析输电导线散射斑相位的几何关系,选取20幅时间跨度约为1年的TerraSAR条带模式影像,对其中两基铁塔之间6条输电导线形成的散射斑相位时间序列进行分析。文中统计分析构成导线散射斑像元的相位离散度,其标准差约为0.2弧度,表明单个散射斑相位稳定。选取铁塔顶部点的导线散射斑为参考点,与另外5个导线散射斑做差分相位时间序列分析,分析导线之间高程差的理论计算值与实际值的一致性。分析结果显示,导线散射斑差分相位序列的波动可达2弧度以上,与导线间高程差产生的相位不一致。     

BDS监测站坐标维持的探讨

北斗二代卫星导航系统（BDS）监测站建设是在北斗一代的基础上进行的,为方便管理,监测天线安装在各监测站楼顶上,稳定性不够,同时北斗二代卫星导航系统目前采用的2000中国大地坐标系,归算误差较大。本文针对这些问题,分析了北斗卫星导航系统监测站由时变效应引起的位置变化量和地表沉降对监测站坐标维持的影响,论述了目前时变效应处理方法存在的误差的量级,讨论了美国GPS所使用的WGS-84坐标框架的维持与更新方法。最后,结合北斗卫星导航系统监测站的建设现状,从监测站的建设、数据处理等方面提出了建立测站坐标时间序列,维持北斗卫星导航系统监测站坐标的可行性方法,并提出了意见与建议。      

IGS电离层产品的时空特性研究

电离层时空变化规律的研究对于卫星导航、航空航天等具有重要价值。本文利用国际GNSS服务(IGS)产品,分析了电离层的时空变化规律。在时间尺度上,对低阶球谐系数(0,0)、(1,0)、(1,1)、(1,-1)进行了功率谱分析,对北京地区的垂直方向总电子含量(VTEC)进行了短时傅里叶变换分析,对北京、阿克拉和墨尔本进行了季节性分析,结果表明,电离层变化具有明显的年周期和半年周期项。在空间方面,分析了零度子午线、赤道上的电离层延迟随纬度、经度的变化规律,结果表明,在纬度方向上具有明显的单峰效应,在经度方向上的峰值具有延迟变化规律。      

灰色-时序组合模型在地表变形预测中的应用

通过对某地铁监测点小波去噪后的数据建立灰色预测模型,分析了灰色预测的优缺点,针对灰色预测对波动性数据预测的不足,建立了灰色-时序组合模型。首先,利用灰色模型提取时间序列中的趋势项;然后,用时序模型对残差项进行建模分析,兼顾了数据的趋势性和波动性,弥补了灰色预测的不足,提高了预报精度。     

FFT在变形监测中的应用与分析

在变形监测中获取的观测数据可以看作是时间与空间上的一组变形信号,一般该信号都会呈现趋势性,隐藏其中的周期性不易被发现;利用FFT对其拟合后的残差和小波分解后的高频信号进行变换与分析,通过时间序列分析对其分析结果建模得到短期的预测、预报,效果比较理想。     

基于多重运动特征的轨迹相似性度量模型

针对目前只能对单一运动特征（速度、方向等）进行轨迹相似性分析的不足,提出了基于多重运动特征的轨迹相似性度量,该度量对于分析和理解移动对象的运动行为和规律具有重要意义。将其应用于基于多重运动特征的运动序列模式发现。该相似性度量借鉴数据立方体的思想,将多重运动特征时间序列进行量化和符号化表示,在多重运动特征值域空间中计算两字符间的距离作为字符间替换代价,最终以加权编辑距离作为相似性度量。将该相似性度量与谱聚类方法相结合进行运动序列模式发现。实验以飓风数据为例,通过气象文献中飓风的发生与运动规律验证了模型的有效性。