【技术实现步骤摘要】
一种顾及有色噪声的构造运动变化精准提取方法
[0001]本专利技术涉及测绘科学与
,涉及一种顾及有色噪声的构造运动变化精准提取方法
。
技术介绍
[0002]全球导航卫星系统
(Global Navigation Satellite System,GNSS)
为研究板块构造运动
、
同震
、
震后形变以及无震慢滑移等大地测量学和地球动力学研究提供了重要的数据支撑
。GNSS
坐标时间序列能真实反映地表在长期范围内的动态变化,包括测站长期构造运动的震间速率
、
周期性变化的非构造变形
、
阶跃及地震变形的响应引起的同震和震后位移等
。
[0003]随着
GNSS
观测数据的积累,研究证实
GNSS
时间序列中不仅含白噪声,还存在随时间或空间变化的有色噪声,忽略有色噪声的解算过程会影响
GNSS
解的可靠性,甚至可能对一些地壳运动现象做出错误的解释
。
最小二乘法等传统方法在解算
GNSS
坐标时间序列数学模型时忽略了模型参数的随机特征,仅解算出一组最优参数解但无法定量描述解算结果的可靠程度
。
因此本专利技术在构建
GNSS
坐标时间序列数学模型时充分考虑有色噪声,解算
GNSS
坐标时间序列数学模型时使用考虑观测数据和模型参数的随机特征的贝叶斯反演方法
。r/>基于贝叶斯理论框架下进行的马尔科夫链蒙特卡洛方法
(Markov Chain Monte Carol
,简称
MCMC)
改进而成的
GWMCMC
采样算法,是本专利技术统计分析
GNSS
坐标时间序列的工具,最后获得模型参数的后验概率密度函数
(Probability Density Function
,
PDF)
及参数间的相关关系
。
[0004]准确构建表征
GNSS
坐标时间序列特征的数学模型是精准提取构造运动信息的关键,而顾及有色噪声构建表征时间序列噪声特性的随机模型是构建
GNSS
坐标时间序列数学模型的关键步骤,本专利技术正是基于此展开
。
同时本专利技术使用贝叶斯方法基于
GNSS
坐标时间序列数据本身来精准提取构造运动信息及其变化节点的所有可能范围
。
技术实现思路
[0005]本专利技术提供了一种顾及有色噪声的构造运动变化精准提取方法,在构建
GNSS
坐标时间序列的数学模型时顾及
GNSS
坐标时间序列中的有色噪声和模型参数的随机特征,获取模型参数的后验概率密度函数,基于时间序列数据精准提取构造运动及其变化的时间节点
。
[0006]为了实现上述目的,本专利技术采用如下技术方案:
[0007]一种顾及有色噪声的构造运动变化精准提取方法,包括
GNSS
坐标时间序列数学模型构建
、
基于贝叶斯框架参数解算
、
结果分析及验证三部分
。
[0008]GNSS
坐标时间序列数学模型构建步骤如下:
[0009]S1
:
GNSS
坐标时间序列预处理
。
[0010]S2
:构建函数模型
。
[0011]S 3
:构建随机模型
。
[0012]基于贝叶斯框架的参数解算步骤如下:
[0013]S 4
:设定函数模型中参数初始值
。
[0014]S 5
:设定随机模型中参数初始值
。
[0015]S 6
:确定似然函数及先验函数
。
[0016]S 7
:
GWMCMC
算法采样
。
[0017]S 8
:由
Step7
获得模型参数的解算结果
。
[0018]结果分析及验证部分步骤如下:
[0019]S9
:由
step8
分析模型参数样本
。
[0020]S10
:模型参数解算结果示意
。
[0021]S11
:验证构建
GNSS
坐标时间序列数学模型时顾及有色噪声的重要性
。
[0022]S12
:验证模型参数的解算精度及对函数模型中线性速率的分辨率
。
[0023]本专利技术公开提出的顾及有色噪声的构造运动变化精准提取方法,能够实现准确构建表征
GNSS
坐标时间序列噪声特性的数学模型,通过贝叶斯方法获得模型参数的后验概率密度分布,进而确定参数最优解及其可信区间以精准提取出构造运动及其变化信息
。
[0024]附图与表格说明
[0025]为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图与表格作简单介绍,显而易见地,下面描述中的附图仅仅是本专利技术的示意图与表格,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图与表格
。
[0026]图1为本专利技术提供的顾及有色噪声的构造运动变化精准提取方法的流程图
。
[0027]图2为模型参数示采样结果示意图
。
[0028]图3为模型参数的解算结果示意图
。
[0029]图4为顾及有色噪声的线性速率解算结果示意图
。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚
、
完整地描述,显然,所描述的实施例仅仅是本专利技术的一部分实施例,而不是全部的实施例
。
基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围
。
[0031]以下步骤为
GNSS
时间序列数据处理的构建部分:
[0032]Step 1
:
GNSS
坐标时间序列预处理
。
筛选去除异常值后简化
GNSS
时间序列中历元
t
及位移量
D
k
(t
i
)
:
[0033]t
=
t
year
+t
doy
/365.25
[0034]t
=
t
–
fix(min(t))
[0035]D
k
(t
i
)本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种顾及有色噪声的构造运动变化精准提取方法,包括
GNSS
坐标时间序列数学模型构建
、
基于贝叶斯框架的参数解算
、
结果分析及验证三部分:
GNSS
坐标时间序列数学模型构建步骤如下:
S1
:
GNSS
坐标时间序列预处理;
S2
:构建函数模型;
S3
:构建随机模型;基于贝叶斯框架的参数解算步骤如下:
S4
:设定函数模型中参数初始值;
S5
:设定随机模型中参数初始值;
S6
:确定似然函数及先验函数;
S7
:
GWMCMC
算法采样;
S8
:由
Step7
获得模型参数集;结果分析及验证步骤如下:
S9
:由
step8
分析参数...
【专利技术属性】
技术研发人员:苏小宁,石睿娟,赵立,何月帆,
申请(专利权)人:兰州交通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。