论文部分内容阅读
随着GPS科技的发展,以及全球连续运行观测站网络不断完善,定位精度不断提高,GPS技术已在越来越多的领域发挥着重要的作用。目前,连续运行参考站已经累积了几年甚至几十年的观测资料,研究长时间的GPS坐标时间序列,可获取板块运动规律、地表沉降、地球振荡周期变化等信息。但GPS时间序列中的跳跃点会干扰分析结果,严重影响GPS时间序列中提取的构造及非构造运动信号的精度。特别是由未知原因引起的跳跃点,由于其量级小,常常被当作噪声处理,且目前缺乏有效的探测方法。虽然手动探测的方法能较准确地探测出量级及较小的GPS时间序列跳跃点,但随着GPS时间序列数据长度和站点数量不断增加,手动探测方法的效率将大大降低。因此,寻求合适的自动化探测方法对于GPS时间序列分析具有一定的必要性。BFAST(全称为Breaks For Additive Season and Trend)算法通过探测跳跃点,自动地将时间序列分解成趋势项、季节项以及残差项。该算法用于GPS时间序列分析长期趋势和季节项时,需顾及GPS时间序列两方面的特性:1、利用GPS时间序列分析长期趋势是基于跳跃点前后的速率保持不变的前提条件;2、GPS时间序列中少有季节项中存在跳跃点的情况。因此本论文中假定GPS时间序列中不存在季节项跳跃点,并基于GPS时间序列特性将BFAST算法进行约束,使BFAST算法基于跳跃点拟合的趋势项斜率保持一致。本文通过模拟的GPS时间序列来检验BFAST算法的可行性。根据中国陆态网GPS时间序列中的噪声量级、季节项振幅模拟GPS时间序列,在不同位置加入不同量级的跳跃点,并利用蒙特卡罗方法统计准则来检验BFAST算法的可行性。结果表明:加入约束条件的BFAST算法能较好地探测出模拟的GPS时间序列中的跳跃点、拟合线性趋势项及季节项。并且该算法探测跳跃点的准确度随着跳跃点的量级增加而提高,拟合出模拟的GPS时间序列的趋势项、季节项的精度随信噪比增加而提高。然后,将BFAST算法用于中国大陆构造环境监测网络GPS时间序列分析,并将分析结果与中国大陆构造环境监测网络给出的跳跃点、趋势以及周期参数进行对比分析。结果表明,BFAST拟合季节项周年振幅和半周年偏差都小于2mm。由此可见,该算法对于季节项的估计精度较高;BFAST算法探测跳跃点的量级服从正态分布,满足跳跃点在时间序列中的分布规律;取5%-95%置信区间作为该算法拟合速率项与中国陆态网给定速率偏差正确值区间,N、E、U三个方向的最大偏差值分别为1.45mm/yr、2.38mm/yr、 3.63mm/yr,与中国陆态网结果符合较好。速率差异性的主要原因是由于跳跃点的探测结果不同而导致趋势斜率拟合结果的不同。本论文也将BFAST算法与其他自动半自动探测跳跃点方法进行了对比分析。结果表明,BFAST算法自动探测GPS时间序列中跳跃点、分析趋势项及季节项结果良好。BFAST算法具有精度高、抗噪能力强、自动等优势,可作为GPS时间序列的自动分析方法。