奇异谱分析在大地测量时间序列分析中的应用研究

发布时间：2017-06-05 14:08

  本文关键词：奇异谱分析在大地测量时间序列分析中的应用研究，由笔耕文化传播整理发布。

【摘要】：摘要：全球连续GPS观测站已积累了大量的观测数据,对GPS时间序列分析已成为一个研究热点。由于对观测精度要求越来越高,影响因素越来越多,发现时间序列中包含着非常丰富的、甚至原因不明确的各种信息,如何分离它们已成研究的难点。传统参数模型已无法解决这种复杂性的问题,而奇异谱分析(Singular Spectrum Analysis,SSA)是一种从时间序列自身出发的无参自适应的分析方法,它具有滤波、去噪、插值、探测周期信号及趋势的功能。目前,SSA方法已被广泛应用在时间分析中,而大地测量领域研究还较少。为此,本文详细分析了SSA方法在大地测量时间序列中的应用中存在的一些问题。具体研究工作和成果如下： 1、详细介绍了SSA方法的基本原理,并在SSA方法的基础上,利用噪声与信号的赫斯特(Hurst)指数有显著的差异这一特性,提出了一种基于SSA的滤波法；然后,又对确定SSA重构分量的趋势及周期信号的判定方法进行了阐述。 2、针对GPS动态变形监测中多路径效应误差存在很强的时间相关性的特点,利用本文提出的SSA滤波法对包含多路径误差的数据进行处理获取多路径改正模型,同时,又用小波、经验模式分解(Empirical Mode Decomposition, EMD)滤波法以及其他学者提出的SSA滤波法进行了比较。对最终的处理结果进行对比分析,实验结果表明,本文提出的SSA滤波法的去噪效果优于其他学者提出的SSA滤波法,与小波、EMD去噪效果相当,将得到多路径改正模型用于削弱多路径效应,可以显著提高定位精度。此外,本文提出的SSA滤波法还给出了嵌入维数L与重构阶次P的确定标准。 3、结合美国加州ZIMM站的时间序列,利用SSA提取其高程方向的周期信号,并将其从高程时间序列中去除,顾及有色噪声的情形下,采用最大似然估计,对速率进行重新估计。结果显示：SSA方法可以有效地提取周期信号,且ZIMM站的周期信号振幅是时变的,在采用传统模型进行最小二乘拟合将会引入模型误差,在估计有色噪声的情况下,其速率受到模型误差的影响。 4、针对电离层在时空上是非线性、非平稳的特征,利用IGS提供的电离层格网数据,将SSA方法引入到电离层TEC值预报,实验结果表明：相对于单一的ARMA预报模型,组合SSA与ARMA预报模型可以提高预报精度。图17幅,表10个,参考文献87篇。
【关键词】：全球定位系统 时间序列 奇异谱分析 经验模型分解 小波
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P228.4
【目录】：

• 摘要4-6
• Abstract6-8
• 目录8-10
• 1 绪论10-16
• 1.1 大地测量时间序列分析的研究目的及意义10
• 1.2 国内外研究现状10-14
• 1.2.1 奇异谱分析在时间序列分析中的研究现状10-14
• 1.2.2 奇异谱分析在测量时间序列中的研究现状14
• 1.3 本文研究的主要内容14-16
• 2 奇异谱分析原理与方法16-23
• 2.1 引言16
• 2.2 奇异谱分析的基本原理16-17
• 2.3 基于SSA的滤波法17-19
• 2.3.1 Hurst指数18
• 2.3.2 SSA滤波法18-19
• 2.4 基于奇异谱分析的周期信号分离19-22
• 2.4.1 趋势项判定方法19-20
• 2.4.2 周期信号分离方法20-22
• 2.5 本章小结22-23
• 3 奇异谱分析滤波法在GPS多路径消除中的应用23-30
• 3.1 引言23
• 3.2 模拟实验分析23-26
• 3.2.1 SSA滤波法与小波与EMD方法的对比24-25
• 3.2.2 本文SSA滤波法与其它SSA滤波方法的对比25-26
• 3.3 GPS多路径消除实验分析26-28
• 3.4 本章小结28-30
• 4 GPS坐标序列中的时变周期信号对速率的影响及分离30-36
• 4.1 引言30
• 4.2 模拟实验分析30-32
• 4.2.1 模拟数据30-31
• 4.2.2 数据分析31-32
• 4.3 GPS实测坐标序列分析32-35
• 4.3.1 季节性信号提取分析32-34
• 4.3.2 GPS季节性信号对速度的影响34-35
• 4.5 本章小结35-36
• 5 组合SSA与ARMA模型预报电离层TEC36-42
• 5.1 引言36
• 5.2 组合奇异谱分析与ARMA模型的预报模型36-38
• 5.2.1 ARMA模型36-37
• 5.2.2 组合SSA与ARMA的预报方法37-38
• 5.3 实验分析38-41
• 5.4 本章小结41-42
• 6 总结与展望42-44
• 6.1 本文总结42-43
• 6.2 展望43-44
• 参考文献44-50
• 攻读学位期间主要的研究成果50-51
• 致谢51-52

【相似文献】

中国期刊全文数据库 前10条

1 ;美国加州大学陈江教授应邀来我院作时间序列分析高级讲座[J];统计与信息论坛;2003年03期

2 王志平,张海帆;中国工业时间序列分析及预测[J];统计与决策;2004年08期

3 王红;苏山舞;刘东琴;;时间序列分析及其在测绘领域的应用初探[J];测绘科学;2008年01期

4 李磊;;财经类高校《时间序列分析》课程教学模式的探讨[J];统计与咨询;2010年01期

5 刘圆圆;;时间序列分析及其应用[J];科技创新导报;2011年27期

6 黄仁;;时间序列分析及其在机械工程中的应用(一)[J];江苏机械;1984年04期

7 陈兆国;;第一届全国时间序列分析会议[J];应用概率统计;1985年01期

8 蔡季冰;冯欣;;用时间序列分析病毒性肝炎的发病规律[J];应用概率统计;1985年02期

9 韩志刚;动态系统模型的多层化与多层时间序列分析[J];黑龙江大学自然科学学报;1986年01期

10 韩大宇,张天润;数字滤波与时间序列分析在地震前兆信息处理中的应用[J];中国地震;1986年03期

中国重要会议论文全文数据库 前10条

1 高峰;;时间序列分析在顾客满意度中的应用研究[A];第三届中国质量学术论坛论文集[C];2008年

2 郑文衡;陈俊华;严尊国;杨立明;张秋文;;用时间序列分析预报地震的新途径[A];1995年中国地球物理学会第十一届学术年会论文集[C];1995年

3 苏春宏;张宏;;时间序列分析在规划环境影响评价环境背景分析中的应用[A];2010中国环境科学学会学术年会论文集(第二卷)[C];2010年

4 钟球;蒋莉;周琳;李建伟;陈瑜晖;连永娥;;广东省结核病发病趋势的时间序列分析[A];中国防痨协会科普委员会第十二届学术大会论文集[C];2010年

5 余卫东;闵庆文;;商丘市居民生活消费生态足迹的时间序列分析[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集（下册）[C];2004年

6 李圣明;;时间序列分析及其在变形监测中的应用研究[A];湖北省测绘学会2006年度科学技术交流会论文集[C];2006年

7 郑璐石;郑颖人;;对时间序列分析的建模问题初探[A];水电与矿业工程中的岩石力学问题——中国北方岩石力学与工程应用学术会议文集[C];1991年

8 刘晓斌;;小波网络在经济时间序列分析中的应用[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第4卷）[C];1997年

9 任永建;周锁铨;石顺吉;;2005年南京市PM_(10)浓度时间序列分析[A];中国气象学会2007年年会大气成分观测、研究与预报分会场论文集[C];2007年

10 闵庆文;余卫东;成升魁;;商丘市居民生活消费生态足迹的时间序列分析[A];生态学与全面·协调·可持续发展——中国生态学会第七届全国会员代表大会论文摘要荟萃[C];2004年

中国重要报纸全文数据库 前3条

1 ;统计新书评介[N];中国信息报;2001年

2 本报记者 李爱铭;“小神算”出手,误差仅六千[N];解放日报;2010年

3 早报记者 韩晓蓉　实习生 杨鑫P";高中生用数学模型预测世博客流 平均误差6000人[N];东方早报;2010年

中国博士学位论文全文数据库 前4条

1 聂淑媛;时间序列分析的早期发展[D];西北大学;2012年

2 张晋昕;医学时间序列分析及其预测应用相关问题的研究[D];第四军医大学;2000年

3 王鼐;非线性动力学方法在时间序列分析中的应用[D];复旦大学;2005年

4 鲍漪澜;基于支持向量机的金融时间序列分析预测算法研究[D];大连海事大学;2013年

中国硕士学位论文全文数据库 前10条

1 高峰;时间序列分析在顾客满意度中的应用研究[D];华东师范大学;2007年

2 汤岩;时间序列分析的研究与应用[D];东北农业大学;2007年

3 李莉莉;非时期经济时间序列分析及应用[D];山东师范大学;2000年

4 李慧;奇异值分解在时间序列分析中的应用[D];北京交通大学;2009年

5 栗永星;基于时间序列分析的人民币汇率的预测与研究[D];北方工业大学;2010年

6 郝博乾;基于时间序列分析的股票预测模型研究[D];电子科技大学;2011年

7 孙娜;时间序列分析在教育投资与经济增长方面的研究应用[D];辽宁师范大学;2012年

8 魏宁;时间序列分析方法研究及其在陕西省GDP预测中的应用[D];西北农林科技大学;2010年

9 仉新;时间序列分析在经济投资中的研究与应用[D];沈阳工业大学;2013年

10 李晗书;时间序列分析在电力负荷预测中的应用研究[D];燕山大学;2009年

  本文关键词：奇异谱分析在大地测量时间序列分析中的应用研究，，由笔耕文化传播整理发布。

本文编号：423888