一种CORS站高程序列非线性趋势项分析方法撤回

针对传统线性模型通过拟合连续运行参考站(CORS)高程时间序列趋势项，使CORS站运动趋势单一化导致无法体现测站各自运动特性的问题，该文提出一种基于CORS高程时间序列本身的非线性趋势项定量识别与估计方法。首先，用K均值聚类整体经验模态分解方法对CORS站高程时间序列进行分解；其次，基于排列熵理论进行非线性趋势项的定量识别与合成；最后，采用正弦函数模型、线性多项式模型、傅里叶模型对非线性趋势项进行建模拟合并讨论拟合精度。实验结果表明：基于排列熵的非线性趋势项定量识别方法避免了人为判别误差，准确地反映了序列自身的变化趋势；3种模型中，傅里叶模型拟合效果最佳。