时序预测模型在震前电离层电子浓度总含量和红外长波辐射异常探测中的应用
发布时间：2021-01-11 18:55
近几十年来,卫星遥感技术已经成为地震行业发展的重要手段,在地震研究领域应用十分广泛。但由于缺乏有效的地震电离层和红外遥感数据处理技术,致使地震电离层和红外遥感数据中的很多有效信息没有得到充分的利用。研究地震电离层和红外遥感数据处理技术,能够充分利用和挖掘电离层和红外遥感信息,提高与大震孕育发生过程有关的地震电离层和红外遥感前兆信息的识别和提取,为增强我国地震科学研究水平、解决目前世界地震监测预测研究的重要难题开辟探索一条新途径,进而为提供这些新途径增强理论研究。在传统震前地震电离层电子浓度总含量（TEC）和红外长波辐射（OLR）异常探测方法中,其探测结果准确与否取决于异常检测方法的合理性。虽具有一定的合理性,但其均只考虑了各自序列数据的固有属性,而未顾及其不确定性成分。因此,本文基于时间序列分析方法的基本原理,运用求和自回归滑动平均模型（ARIMA）和Prophet模型等多种时序预测模型方法,分析和处理了我国陆态网（CMONOC）基准站GNSS观测数据反演成的电离层TEC数据和NOAA卫星的红外OLR数据,并结合2017年8月8日的九寨沟Ms7.0地震和2017年9月20日的墨西哥Ms...
【文章来源】：中国地震局地震预测研究所北京市
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
卫星与测站的关系示意图
简单来说，电离层是弥散介质，可以利用电究电离层本身，根据 GPS 卫星载波的电离层延迟子总含量，即 STEC。然后假定将所有自由电子含到 STEC 后在电离层薄层模型的假设下（如图 2.2数（如下式所示）转换为观测站 VTEC。VTEC = STEC × 映射函数： = 1 (( )) 卫星高度角， 代表为地球的平均半径,此处取值高度，本文研究设定 = 350km。
图 2.3 陆态网络基准站站点分布图外 OLR 异常探测基础卫星热红外遥感基本概述红外遥感（TIRS）是指利用星载或机载传感器收集、记录地物的这，并利用这种热红外信息来识别地物和反演地表参数（如温度、湿）的遥感技术。其识别和反演地表参数的波段一般在 0.76～1000μm光的几千倍，因此可以反映更多的地物特征。而在电磁波谱中，红测波段，其位于 VIS 和 WM 之间，包括反射红外谱段和发射红外别为 0.76～3.0μm和 3.0～18.0μm，如图 2.4 所示。而发射红外谱段谱段（3.0～6.0μm）和远红外谱段（6.0～18.0μm），其中前者热辐射的反射部分必须同时考虑，而后者以热辐射为主，反射部分可忽红外遥感是大范围、快速、准确获取地表温度重要手段，而地表温学科和应用领域的重要物理量，它综合反映了地球表面——大气相
【参考文献】：
期刊论文
[1]Prophet时序预测模型在电离层TEC异常探测中的应用[J]. 翟笃林,张学民,熊攀,宋锐. 地震. 2019(02)
[2]基于Prophet的CPI指数预测[J]. 刘权明. 中国管理信息化. 2018(13)
[3]The state-of-the-art of the China Seismo-Electromagnetic Satellite mission[J]. SHEN XuHui,ZHANG XueMin,YUAN ShiGeng,WANG LanWei,CAO JinBin,HUANG JianPing,ZHU Xing Hong,PIERGIORGIO Picozzo,DAI JianPing. Science China（Technological Sciences）. 2018(05)
[4]High precision magnetometer for geomagnetic exploration onboard of the China Seismo-Electromagnetic Satellite[J]. CHENG BingJun,ZHOU Bin,MAGNES Werner,LAMMEGGER Roland,POLLINGER Andreas. Science China（Technological Sciences）. 2018(05)
[5]理塘MS5.1和杂多MS6.2地震热红外亮温异常分析[J]. 张治广,张元生,王在华,徐衍刚. 地震. 2018(01)
[6]2010年西藏聂荣MS5.7和MS5.5地震前后热红外异常分析[J]. 卢显,孟庆岩,顾行发,张晓东,蒋海昆,解滔. 地震. 2017(04)
[7]基于多轨道卫星观测数据分析尼泊尔地震长波辐射特征[J]. 孙珂,单新建,Dimitar Ouzounov,申旭辉,荆凤. 地球物理学报. 2017 (09)
[8]基于Holt-Winters时间序列的图书选题预测模型[J]. 林海,康宝中. 数字技术与应用. 2017(03)
[9]基于Holt-Winters的电离层总电子含量预报[J]. 谢劭峰,陈军,黄良珂,吴丕团,秦旭元,刘立龙. 大地测量与地球动力学. 2017(01)
[10]2015年尼泊尔Mw 7.8地震前OLR和电离层异常分析[J]. 周强波,汤俊. 测绘科学技术学报. 2016(05)
博士论文
[1]高空间分辨率全天候地表温度反演方法研究[D]. 段四波.中国农业科学院 2016
[2]等离子体层波粒相互作用及其电离层效应研究[D]. 熊英.武汉大学 2016
[3]基于GNSS的电离层总电子含量的预测与应用研究[D]. 李磊.大连海事大学 2015
[4]GPS电离层观测技术及其在地震中的应用研究[D]. 林剑.武汉大学 2011
硕士论文
[1]中国区域电离层foF2建模及其应用研究[D]. 宋锐.中国地震局地震预测研究所 2018
[2]电离层TEC预测模型的研究及应用[D]. 毛文飞.东华理工大学 2018
[3]基于时间序列遥感影像的棉田估产模型[D]. 孟令华.东北农业大学 2018
[4]黑龙江大豆产销状况分析与预测预警研究[D]. 岑灿坚.东北农业大学 2018
[5]青岛市城阳区2006-2011年医院伤害监测资料流行病学分析[D]. 刘娟.山东大学 2014
[6]基于时间序列、神经网络、灰色和组合预测对电离层TEC的预测研究[D]. 张禄.南京信息工程大学 2012
[7]基于构造性神经网络的时间序列预测研究[D]. 丁旭玲.太原理工大学 2011
[8]基于支持向量机和小波分析的地震预测研究[D]. 吴芳.长安大学 2009
本文编号：2971300
【文章来源】：中国地震局地震预测研究所北京市
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
卫星与测站的关系示意图
简单来说，电离层是弥散介质，可以利用电究电离层本身，根据 GPS 卫星载波的电离层延迟子总含量，即 STEC。然后假定将所有自由电子含到 STEC 后在电离层薄层模型的假设下（如图 2.2数（如下式所示）转换为观测站 VTEC。VTEC = STEC × 映射函数： = 1 (( )) 卫星高度角， 代表为地球的平均半径,此处取值高度，本文研究设定 = 350km。
图 2.3 陆态网络基准站站点分布图外 OLR 异常探测基础卫星热红外遥感基本概述红外遥感（TIRS）是指利用星载或机载传感器收集、记录地物的这，并利用这种热红外信息来识别地物和反演地表参数（如温度、湿）的遥感技术。其识别和反演地表参数的波段一般在 0.76～1000μm光的几千倍，因此可以反映更多的地物特征。而在电磁波谱中，红测波段，其位于 VIS 和 WM 之间，包括反射红外谱段和发射红外别为 0.76～3.0μm和 3.0～18.0μm，如图 2.4 所示。而发射红外谱段谱段（3.0～6.0μm）和远红外谱段（6.0～18.0μm），其中前者热辐射的反射部分必须同时考虑，而后者以热辐射为主，反射部分可忽红外遥感是大范围、快速、准确获取地表温度重要手段，而地表温学科和应用领域的重要物理量，它综合反映了地球表面——大气相
【参考文献】：
期刊论文
[1]Prophet时序预测模型在电离层TEC异常探测中的应用[J]. 翟笃林,张学民,熊攀,宋锐. 地震. 2019(02)
[2]基于Prophet的CPI指数预测[J]. 刘权明. 中国管理信息化. 2018(13)
[3]The state-of-the-art of the China Seismo-Electromagnetic Satellite mission[J]. SHEN XuHui,ZHANG XueMin,YUAN ShiGeng,WANG LanWei,CAO JinBin,HUANG JianPing,ZHU Xing Hong,PIERGIORGIO Picozzo,DAI JianPing. Science China（Technological Sciences）. 2018(05)
[4]High precision magnetometer for geomagnetic exploration onboard of the China Seismo-Electromagnetic Satellite[J]. CHENG BingJun,ZHOU Bin,MAGNES Werner,LAMMEGGER Roland,POLLINGER Andreas. Science China（Technological Sciences）. 2018(05)
[5]理塘MS5.1和杂多MS6.2地震热红外亮温异常分析[J]. 张治广,张元生,王在华,徐衍刚. 地震. 2018(01)
[6]2010年西藏聂荣MS5.7和MS5.5地震前后热红外异常分析[J]. 卢显,孟庆岩,顾行发,张晓东,蒋海昆,解滔. 地震. 2017(04)
[7]基于多轨道卫星观测数据分析尼泊尔地震长波辐射特征[J]. 孙珂,单新建,Dimitar Ouzounov,申旭辉,荆凤. 地球物理学报. 2017 (09)
[8]基于Holt-Winters时间序列的图书选题预测模型[J]. 林海,康宝中. 数字技术与应用. 2017(03)
[9]基于Holt-Winters的电离层总电子含量预报[J]. 谢劭峰,陈军,黄良珂,吴丕团,秦旭元,刘立龙. 大地测量与地球动力学. 2017(01)
[10]2015年尼泊尔Mw 7.8地震前OLR和电离层异常分析[J]. 周强波,汤俊. 测绘科学技术学报. 2016(05)
博士论文
[1]高空间分辨率全天候地表温度反演方法研究[D]. 段四波.中国农业科学院 2016
[2]等离子体层波粒相互作用及其电离层效应研究[D]. 熊英.武汉大学 2016
[3]基于GNSS的电离层总电子含量的预测与应用研究[D]. 李磊.大连海事大学 2015
[4]GPS电离层观测技术及其在地震中的应用研究[D]. 林剑.武汉大学 2011
硕士论文
[1]中国区域电离层foF2建模及其应用研究[D]. 宋锐.中国地震局地震预测研究所 2018
[2]电离层TEC预测模型的研究及应用[D]. 毛文飞.东华理工大学 2018
[3]基于时间序列遥感影像的棉田估产模型[D]. 孟令华.东北农业大学 2018
[4]黑龙江大豆产销状况分析与预测预警研究[D]. 岑灿坚.东北农业大学 2018
[5]青岛市城阳区2006-2011年医院伤害监测资料流行病学分析[D]. 刘娟.山东大学 2014
[6]基于时间序列、神经网络、灰色和组合预测对电离层TEC的预测研究[D]. 张禄.南京信息工程大学 2012
[7]基于构造性神经网络的时间序列预测研究[D]. 丁旭玲.太原理工大学 2011
[8]基于支持向量机和小波分析的地震预测研究[D]. 吴芳.长安大学 2009
本文编号：2971300
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/2971300.html
