极移时间序列模型的拟合与预测

对IERS提供的极移数据进行了余弦趋势模型及ARMA模型拟合和预测。对实验结果进行分析,发现余弦趋势模型适合对极移成分进行分析;同时,ARMA模型适合对极移时间序列进行拟合及预测,其拟合精度相对于余弦趋势模型有较大提高,预测精度接近国际最好水平。     

验潮站坐标时间序列特性分析

文中以298个验潮站作为研究对象,采用广义高斯-马尔科夫模型(GGM)、自回归滑动平均模型(ARMA)以及分形自回归聚合滑动平均模型(ARFIMA)三种模型,对验潮站坐标时间序列噪声模型特性及海平面变化趋势进行估计分析,并探讨了时间跨度对验潮站速度估计的影响.实验结果表明:验潮站坐标时间序列主要呈现为ARFIMA(1,...     

改进的时间序列法用于边坡沉降分析与预测

运用数学模型或力学方法对变形监测数据进行分析与预测尤为必要,本文详细介绍了时间序列法中的差分自回归移动平均模型（ARIMA）、平稳性与白噪声检验、模型定阶与参数估计、模型检验与预测的过程,针对其预测的准确性会随着时间推移而降低的问题,提出了一种改进的时间序列法,通过建立一个动态的数据窗口,及时引入最新的数据信息更新计算模型参数,并对某轨道边坡工程的沉降监测数据进行了建模分析和对比预测。结果表明：改进后的方法提高了模型的预测精度,在实际工程中具有可行性和有效性。     

利用小波分解改进极移预报模型

高精度的日长（length of day,LOD）变化ΔLOD预报值在深空探测器跟踪、卫星自主导航和气候预测等领域具有重要作用。针对ΔLOD复杂的时变特性,首先,利用奇异谱分析（singular spectrum analysis,SSA）方法提取ΔLOD时间序列中的趋势项、周年项与半周年项等主成分,并基于SSA迭代插值算法对主成分进行外推;其次,采用差分自回归滑动平均（autoregressive integrated moving average,ARIMA）模型对扣除主成分的剩余项进行建模预测;最后,将SSA主成分外推值与ARIMA预测值相加获得ΔLOD预报值。选取国际地球自转与参考系服务组织发布的2000-01-01—2001-12-31的ΔLOD数据进行1~365 d跨度的预报实验,并将SSA+ARIMA预报结果与反向传播神经网络、广义回归神经网络和高斯过程等机器学习方法的预报结果进行对比分析。结果表明,SSA+ARIMA方法的预报精度优于几种机器学习方法,特别是中长期预报精度优势更为显著,其中,对于1~30 d短期和30~365 d中长期的预报,SSA+ARIMA方法的平均绝对预报误差相对于机器学习方法最大分别降低了39%和61%。

     

陕西GPS连续观测网站点时间序列去噪与速度场分析

利用GAMITL/GLOBK软件对陕西GPS连续观测网的站点2008-2014年近6 a的连续观测数据进行处理得到基准站原始时间序列;并采用Kalman、ARMA、BP这3种方法对原始时间序列进行滤波去噪分析,结果表明3种方法都有效地剔除了一定量的噪声,使站点在N,E,U这3个方向上的坐标趋势更加显现,尤其是在选定合适的状态噪声矩阵后Kalman方法要优于其他两种方法。同时去噪得到的陕西连续观测网站点在ITRF2008框架下的速度场精度更高,N方向的平均速度为-0.010 1 m/a,E方向的平均速度为0.033 8 m/a,整体往东南方向位移,渭河盆地和汉中盆地内几个站点沉降量较大。     

基于时间序列的高层建筑物沉降预测

本文从时间序列的原理出发,详细论述了时间序列的建模步骤,针对时间序列预测精度随预测步数的增加而减小的不足,对时间序列模型进行了改进,建立了动态时间序列模型,并采用MATLAB软件进行编程,最后结合某电厂冷却塔沉降观测数据进行预报,预报结果表明动态时间序列模型能保持较高的预报精度,能较好的描述建筑物的变形规律。     

混沌时间序列在建筑物沉降预测中的应用研究

应用了混沌时间序列预测方法,建立了沉降预测的非线性混沌模型,实现了长安大学B点高层住宅楼实际沉降监测数据进行预测计算.     

基于时间序列分析的变形预报

研究了利用时间序列分析方法进行变形预报.首先叙述了变形观测数据预处理、时间序列平稳性检验、模型的选用和检验;然后针对一组实测数据,利用多项式提取趋势项,分析回归残差,建立了AR(2)预报模型,并利用模型进行了预报;最后将预报结果与实测数据比较,证明了预报模型的有效性.     

基于时间序列分析的变形预报

研究了利用时间序列分析方法进行变形预报。首先叙述了变形观测数据预处理、时间序列平稳性检验、模型的选用和检验;然后针对一组实测数据,利用多项式提取趋势项,分析回归残差,建立了AR(2)预报模型,并利用模型进行了预报;最后将预报结果与实测数据比较,证明了预报模型的有效性。     

“陆态网络”CORS站的时间序列分析预报

以"陆态网络"部分连续运行基准站2012年观测数据为实验对象,对基准站坐标时间序列进行了建模拟合分析,并利用相邻30 d左右实测数据对随后3 d的测站位置进行分析预报。预报数据与实测数据的比较表明,可以较好地监测基准站的稳定性和运行状态。     

地心运动时间序列的抗差谱分析

本文将抗差估计与谱分析相结合，提出了抗差谱分析。用该方法对全球约120个IGS站5年GPS观测结果求得的地心运动时间序列进行了分析，发现地心运动在各方向有不同的主周期变化。X方向受地球物理交叉影响较大，无法分离出对该方向影响较大的主周期变化；而Y，Z方向都有明显的主周期变化。Y方向有明显的年周期变化、半年周期变化、季节性变化和月周期变化，其中，年周期变化的贡献最大；Z方向的主周期是年周期变化、半年周期变化、51天和609天的周期变化。与X，Y方向相比，Z方向振幅明显偏大。     

基于模糊时间序列的变形预报模型及其应用

将模糊时间序列模型引入变形预报,并与灰色GM(1,1)、等维灰数、组合动态等模型进行了比较,计算结果表明,模糊时间序列模型各项精度评定指标优良,并且计算简单,非常实用。     

深基坑变形监测数据时序分析法的建模与预报

基坑变形监测的各种数据一般是以时间间隔构成的随机序列,用时间序列分析的方法进行监测数据的建模与预报是有效处理监测数据的一种手段。本文以基坑监测中有代表性的监测数据-锚杆拉力监测为例,用时序分析的方法对监测数据处理、分析、建立适合的模型以及对数据进行预报等过程进行研究和探讨。     

应用条件植被温度指数预测县域尺度小麦单产

选取关中平原2008-2016年的条件植被温度指数（vegetation temperature condition index,VTCI）遥感干旱监测结果,基于最优的干旱影响评估方法确定冬小麦各生育时期干旱对其单产的影响权重,构建县域尺度加权VTCI与小麦单产间的一元线性回归模型,并结合求和自回归移动平均模型（autoregressive integrated moving average,ARIMA）对各县（区）的冬小麦单产进行估测及向前一、二、三旬的预测。结果表明,基于改进的层次分析法与熵值法的最优组合赋权法对冬小麦各生育时期的权重确定较合理,以拔节期（0.489）最大,抽穗-灌浆期（0.427）次之,返青期（0.035）与乳熟期（0.049）较小;加权VTCI与小麦单产之间的相关性显著,单产估测精度较高;向前一、二、三旬的单产预测精度均较高,且以向前一旬的预测精度最高,有76.9%的相对误差小于2.0%,71.6%的均方根误差小于75.0 kg/hm2。     

7个月周期极移的非线性动力机制

从滞弹性阻尼形变摄动造成CW频率调制假设出发,对CW的共振激发模型加上了参数的时变调制,变成了参数共振模型。经正演计算发现,参数共振模型完全符合CW的实际,表明滞弹性阻尼形变摄动造成频率的3%调制,进一步使得CW振幅调制可达70%以上。这一参数共振模型是一个非线性动力系统,在非线性情况下,运动将发生分岔,即多解。     

利用LS_AR模型对极移参数的中长期预报

为了满足深空探测器自主导航定位对极移参数中长期预报的需求,阐述了基于LS_AR模型的极移参数中长期预报和精度评定的原理,提出了4种改进方案对LS_AR模型的构建进行优化,并利用IERS提供的1990～1996年的极移参数的时间序列检验4种优化方案,得到了最优的预报模型,在400 d跨度上,其预报结果的平均绝对误差比未优化的模型小3 mas左右。     

同时顾及章动和极移的地球自转方程

通过引进章动坐标系相对惯性参照系的转动角速度随时间的变化,导出了一个可同时解出章动和极移的地球自转方程,用这个方程可同时研究地球的强迫和自由转动。与现行研究地球自转的惯用方法相比,该方法综合性强,易于理解。     

电离层TEC建模与预测

基于时间序列分析的DDS(dynamic data system)法,以AR模型和CAR模型对电离层格网点进行建模并预测。实例分析表明,应用时间序列分析的AR和CAR模型对电离层格网点总电子含量进行预报,具有模型辨识过程简单、计算工作量小、便于上机实现、预测精度高等优点。与AR模型相比,CAR模型的预报效果更佳。