基于混沌理论的时间序列区间预测

运用非参数统计的方法，作出混沌时间序列在特定概率限的区间预测，弥补了传统点预测的不足，使预测的适用性得以提高。并通过数据实证验证了该理论方法。     

基于神经网络的混沌时间序列预测

为了提高了RBF神经网络对于混沌时间序列的预测性能,从相空间重构理论出发,建立RBF神经网络,并且改变RBF神经网络训练参数及训练样本数,以Logistic及Lorenz混沌时间序列进行预测仿真,取得了不错的预测效果。     

基于混沌时间序列的地下水位多步预测模型

利用相空间重构技术,并借助G-P算法、C-C方法和Wolf方法从宁陵地区地下水位一维时间序列中提取Lyapunov指数,结果表明此时间序列具有混沌特征。计算了宁陵地区地下水位时间序列的关联维数、时间延迟和最大Lyapunov指数,将局域加权一阶多步预测模型应用于地下水位预测。预测表明,此模型可有效应用于地下水位时间序列的多步预测。     

基于Prophet-XGBoost模型的GNSS高程时间序列预测

针对GNSS时间序列非平稳性和非线性等特点,通过分析XGBoost模型与Prophet模型的适用性与特点,构建Prophet-XGBoost预测模型。该模型先通过Prophet模型对GNSS原始时间序列进行分解,然后通过XGBoost模型进行分部预测,等权相加得到预测结果。实验选用ALGO、ALRT、BRST三个IGS站U分量日坐标时间序列数据,采用MAE和RMSE作为评价指标。结果表明,与单一的XGBoost模型和Prophet模型相比,Prophet-XGBoost模型的MAE和RMSE值均得到一定程度优化,说明该模型具备有效性,可用于GNSS时间序列预测。     

基于Prophet-RF模型的GNSS高程坐标时间序列预测分析

针对GNSS高程坐标时间序列非平稳性与非线性等特点,在深入分析Prophet模型与随机森林(ran-dom forest,RF)模型特性的基础上,构建了Prophet-RF组合预测模型,解决了Prophet模型对时间序列非线性部分预测能力较弱的缺陷,且该组合模型具有较强的鲁棒性.本文选用BJFS站高程方向的连续观测数据...     

多时间序列求关联维D_2

在利用Ｇ．Ｐ．法由单一时间序列计算关联维Ｄ_２的基础上，引入矩阵范数，提出了多时间序列数据联合计算关联维Ｄ_２的算法。这一算法是Ｇ．Ｐ．法的推广。验算结果表明这一算法正确、可行，能提高计算结果的可靠性。     

基于PCA方法的GPS台站时间序列分析

基于10 a以上的全球GPS台站数据,利用主成分分析法及其他数据处理方法,对台站时间序列进行预处理和结果分析,研究其中的非线性周期规律,探讨时间序列的主要影响机制。结果表明,主成分分析法可以将台站残差时空矩阵分解成若干正交成分,GPS台站时间序列的东西方向具有线性漂移趋势,全球大部分GPS台站都存在非线性周期规律,周年项和半周年周期占据主导地位。     

基于时间序列的网格化城市管理案件预测模型研究

针对传统或流行的基于时间序列的预测模型,探索出一种适用于网格化城市管理的成体系的案件预测方法。分别采用博克斯-詹金斯法、Auto-ARIMA以及LSTM模型,对近几年北京市6个城区各站点网格化管理问题案件数量进行预测,通过对比不同模型方法间准确度和实用性,以MAPE为精度评价指标,分析各个模型应用在城市网格化问题预测方面优势与劣势。研究发现,Auto-ARIMA适合进行对网格化管理问题数量趋势预测,博克斯-詹金斯法在解决滞后性问题中预测准确率很高,但由于预测流程烦琐,因此实用性较差,LSTM预测效果相对准确且平稳,可以在样本输入量、参数以及自身架构上进行进一步优化。     

基于SSA探测GPS坐标时间序列的阶跃

探测可能存在的阶跃是GPS坐标时间序列预处理的关键步骤,自动化探测阶跃对于密集台站或数量庞大的GPS网络管理具有重要意义。本文提出基于奇异谱分析的阶跃自动探测方法,并验证该方法的有效性。实验表明,该方法可以探测出有明显台阶的阶跃,且震后形变等瞬态运动不影响探测结果,但对于与背景运动差异不明显的阶跃存在一定的局限性。     

不同时间间隔下的遥感时间序列重构模型比较分析

遥感时间序列被广泛用于地表信息探测。然而受传感器和外部条件的影响,时间序列存在不同程度的噪声。时间序列重构模型能够实现时间序列去噪,但不同重构模型应用于不同时间间隔时间序列的精度不同。本文以辽宁省朝阳市为研究区,分别利用1、4、8、16和30 d间隔归一化植被指数（Normalized Difference Vegetable Index, NDVI）时间序列,进行模拟数据实验和物候监测实验,从波形还原能力和物候期提取精度2方面,评价了SG滤波、DL拟合、HANTS 3种模型在不同时间间隔下的重构效果。结果表明,SG滤波模型适用于较大时间间隔的时间序列数据,DL拟合模型适用于较小时间间隔的时间序列数据,HANTS模型对较小间隔的时间序列重构精度较低。在此基础上,从模型自身的角度分析了3者在不同时间间隔下表现的原因,并为面向不同时间间隔时间序列数据的重构模型选择提供了参考。     

基于PPLN的时序数据组合预测模型

针对观测数据时间序列,综合组合预测与投影寻踪学习网络的优点,提出一种新的预测模型.即采用静态预测法提取多组趋势项部分,自回归模型提取周期项部分,将它们都作为投影寻踪学习网络的输入部分,然后利用PPLN具有逼近复杂非线性函数的能力,通过网络学习与训练解决传统方法定权困难的问题.沉降预测的实验结果表明,与传统的曲线拟合法、变权重组合预测法相比较,该预测模型精度更高、具有实用性.     

基于Sentinel-1A的南昌市时间序列InSAR地面沉降监测

本文基于2016-01~2018-07的Sentinel-1A数据,采用PS-InSAR和SBAS-InSAR时序处理方法获取南昌市主城区地面形变信息,对比2种监测结果,分析产生不均匀地面形变的原因。结果表明,2种时序技术的监测结果相关性较高,南昌市主城区的形变趋势为西北抬升、东南下沉。形变区空间分布存在梅岭抬升区、南昌西火车站沉降区、赣江东岸沉降区、邓家埠沉降区和南钢沉降区,主要受地质构造、含水层介质、地下水开采和城市建设等因素影响。     

基于DIA的GNSS坐标时间序列异常值探测

为解决GNSS坐标时间序列中存在异常值导致地壳形变分析受到影响的问题,首先将经典数据探测法DIA(detection, identification, adaptation)引入GNSS坐标时间序列分析中,基于谐波模型构造相应的统计量;然后采用计算效率更高的改进DIA算法进行异常值探测;最后采用模拟数据和中国大陆地壳运动观测网络(陆态网络)CMONOC实测数据对DIA算法和传统3σ法进行比较。结果表明,DIA算法能够有效探测出GNSS坐标时间序列中的异常值,准确率高于传统3σ法。相较于传统DIA算法,改进后的DIA算法计算效率显著提高。     

基于NDVI时间序列影像的张掖市农作物种植结构提取

HJ卫星(环境与灾害监测预报小卫星)数据具有较高的时间和空间分辨率,可以有效地进行农作物种类识别,利用其时间序列数据进行作物信息提取具有很大优势。以甘肃省张掖市为研究区,利用2012年4月~2012年10月15个时相的HJ卫星CCD(电荷耦合元件,charge-coupled device)数据,通过分析玉米、油菜、大麦和小麦农作物在整个生长阶段的时间序列NDVI(归一化植被指数,normalized difference vegetation index)变化特点,提取四类农作物NDVI随时间变化的特征曲线,利用决策树分类方法,对2012年张掖市农作物进行分类,并以外业调查得到的实际地面验证点对分类结果进行验证。验证结果表明,可以有效地识别玉米、油菜、大麦和小麦4类农作物,制图精度分别为94.74%、82.35%、78.95%和90%;总体分类精度达到86.43%。而后提取了张掖市2014年农作物种植面积和分布格局,通过对比分析发现,2012~2014年,张掖市玉米、油菜的种植面积有不同程度的增加,大麦和小麦的种植面积各有一定程度的较少。可以为张掖市主要作物的种植结构调整提供科学依据,还可以为黑河流域农作物信息提取研究提供参考。     

基于RegEM算法的GPS坐标时间序列插值应用分析

将一种基于数据驱动的RegEM算法引入GPS坐标时间序列插值中,分别采用模拟不同比例连续缺失数据与实测含缺失数据,比较RegEM与拉格朗日方法、三次样条方法、正交多项式方法的插值效果与性能。结果表明,对于模拟不同比例连续缺失数据,RegEM算法插值效果均优于传统方法,且在大量数据连续缺失的情况下效果最优;对于实测含缺失数据,RegEM方法插值所得序列保留方差最大化效果最好,约为正交多项式方法的1.17倍、三次样条方法的1.38倍。     

基于光谱时间序列拟合的中国南方水稻遥感识别方法研究

多云多雾现象是农作物遥感分类经常遇到的问题,影响分类精度。为解决此类问题,本文提出一种基于时间序列GF-1号遥感影像识别水稻方法。利用多时相时间序列的GF-1号遥感影像提取中稻、晚稻的近红外波段（NIR）反射率、红光（R）波段反射率、归一化植被指数（NDVI）特征;拟合光谱和植被指数时间序列特征曲线;分析多时相影像离散近红外波段 、红光波段、NDVI值落在拟合中稻、晚稻近红外波段、红光波段、NDVI时间序列曲线两侧的敏感性区域的比例,该区域也可以视为水稻作物识别特征的目标特征区域,只有达到一定的比例才能视为某类水稻作物。在此情形下,需要综合3种情况进行集中投票决定其最终分类结果。研究表明：该方法可以在多云雾地区对中稻和晚稻精确识别,中稻和晚稻用户精度可达95.97%和95.95%,总体精度为95.76%,kappa系数为0.9335。实验结果表明了NIR、R、NDVI时间序列曲线拟合的有效性,以及拟合曲线目标特征区域设置的合理性。     

基于SB-DInSAR时间序列探测地震形变过程的研究

对2009年4月6日意大利拉奎拉6.3级地震9景ENVISAT重轨单视复数据采用双轨模式进行小基线（SB）干涉处理,获得了此次地震的SB-DInSAR时间序列干涉图、位移场以及位移速度场。结果表明：1)地震位移场形变过程为由震前的缓慢变化到震后的加速运动,速度明显由慢到快;2）震中以西为大面积隆起区,最大隆起量为140 mm;震中以东为大面积下沉区域,但形变集中在破裂区,主要在发震过程及震后形成,最大沉降量达185 mm;3）地震产生的破裂主要沿震中的东南方向传播,集中在约13.4 km×7.6 km、方向约135°的椭圆形区域内。     

基于SSA-Mann Kendall的草原露天矿区NDVI时间序列分析

针对煤矿区植被指数时间序列研究中,存在年际尺度上对植被动态规律刻画不全面、月际尺度上因物候性周期波动导致变化趋势和周期振荡信号微弱难以提取、基于变换的变化检测物理意义不够明确的问题,本文以胜利露天矿区为例,在月际尺度,基于SSA-Mann Kendall重建草原露天矿区的采矿扰动区和伪不变特征区MODIS NDVI时间序列的趋势和周期振荡信号,从显著程度和突变时间2方面对趋势成分进行定量化分析,并结合各特征区周期振荡演变特征揭示采矿扰动下草原露天矿区植被生长的动态规律。结果表明：SSA-Mann Kendall能将NDVI时间序列的微弱信号充分放大,便于提取,并可对趋势成分进行定量化表达,结合周期振荡与趋势成分的演变特征有助于辅助识别矿区植被生长的动态特点;伪不变特征区植被无显著下降趋势,采矿扰动区下降趋势显著,且露天采场较排土场的趋势更为明显,草原露天矿区地表植被损伤具有突发性,突变点多发于矿井开工建设时;扰动形式差异导致部分矿井露天采场和排土场周期振荡演变特征存在差异,露天采场植被消失殆尽,排土场因植被恢复措施而具有更复杂的动态特点。     

基于模型和空间相关性的GPS时间序列插值方法

针对GPS时间序列的空缺,根据数据固有特性和空间特性,提出基于模型和噪声空间相关性的GPS时间序列插值方法,并以陕西省GPS连续站为例验证该方法对长空缺插值的优势。通过实验分析不同情况的空缺和插值对GPS时间序列速度、周期项以及噪声特性的影响。结果表明,空缺对速度影响较小,较少的观测也可以较好地反映地壳线性运动;空缺对周期项影响较大,利用GPS分析周期性运动时必须考虑空缺的影响;噪声频谱分析显示离散空缺比长空缺影响大,噪声特性分析时应注意。     

地表环境参数时间序列重构的方法与应用分析

卫星传感器数据提取的地表环境参数是全球变化和区域资源环境研究的重要信息源.时间序列数据的重构旨在利用多种统计和数值分析方法,模拟参数的季节/年度变化规律,从而插补缺失观测值,优化时间序列数据,为相关研究提供更加完备的基础数据.目前,数据重构主要应用在植被指数、叶面积指数、地表能量平衡参数等,重构的方法包括阈值法、滤波方...