基于最小二乘配置法的高程拟合及精度评定方法

常规确定区域似大地水准面GPS水准法最常用的曲面拟合法通常只考虑测量误差,导致拟合结果不准确,并且简单地利用内、外符合精度去评定一个模型的拟合精度不是很可靠,只能在一定程度上说明模型拟合效果。针对此问题,利用同时顾及测量误差和模型误差的最小二乘配置法进行高程拟合,将其拟合得到的精度值作为参考,并提出利用高程异常残差三维图和内、外符合精度同时进行精度分析,然后与二次多项式和BP神经网络拟合结果进行对比分析。研究结果表明:对于大面积高程异常值变化较大的地区,最小二乘配置法能够取得较高的拟合精度;利用残差值三维图进行精度评定是一种有效可靠的方法。

基于LS-SVM和BP神经网络组合模型的GPS高程拟合

提出了最小二乘支持向量机(LS-SVM)与BP神经网络的最优加权组合模型。通过实测数据对比分析了LS-SVM、BP神经网络、基于总体最小二乘算法(TLS)的二次多项式曲面拟合和最优加权组合模型的精度,结果表明最优加权组合模型的精度优于其他模型。

顾及协方差函数影响的GPS高程拟合方法研究

利用移去-恢复法先移去地球重力场模型中的中长波信息,得到更加平滑的剩余重力高程异常;然后,利用同时顾及测量误差和模型误差的最小二乘配置法,比较了不同协方差函数对拟合结果的影响。研究表明,对于大面积高程异常值变化较大的地区,高斯函数和似高斯函数能够取得较高的拟合精度;对于依赖各点之间协方差值的最小二乘配置法而言,采用移去-恢复能够有效提高拟合精度。

基于LS-SVM的GPS高程转换及其抗差性研究

论述LS-SVM的原理及算法,并结合GPS高程拟合问题,建立了相应的GPS高程拟合模型。利用实例数据,从模型精度角度与多项式拟合、BP神经网络拟合的结果进行对比分析,并选取LS-SVM和BP神经网络进行了模型抗差性分析。结果表明,LS-SVM拟合具有较高的拟合精度和较好的抗差性。

亚洲地区EGNOS天顶对流层延迟模型的精度评估

基于亚洲地区48个IGS站2009—2011年实测的天顶对流层延迟(ZTD)数据,对利用EGNOS模型计算的ZTD的精度进行评估,结果表明:1)在亚洲地区,相对于IGS站实测的ZTD,EGNOS模型计算的ZTD的偏差和均方根分别为-0.18 cm和5.98 cm,在中国地区分别为0.81 cm和6.13 cm;2)偏差和均方根差呈现明显的季节变化,偏差表现为夏季最大,秋季最小,而均方根夏季最大,冬季最小;3)在空间分布上,偏差与纬度和高程变化无明显规律,但均方根随着高程或者纬度的增加总体上呈递减趋势,西部和北部高纬度地区,年均偏差和均方根变化相对较小;4:)亚洲南部低纬度地区和东部地区夏季日平均偏差和均方根差变化相对较大。

基于LS-SVM的灰色补偿RBF神经网络组合预测模型在建筑物沉降分析中的应用

针对GM(1,1)模型在建筑物变形预测中精度和泛化能力较低的缺陷,提出一种基于LS-SVM的灰色补偿RBF神经网络的建筑物变形组合预测方法。利用最小二乘支持向量机训练由灰色GM(1,1)模型预测得到的一组结果的残差值,直接获得RBF网络的中心函数训练RBF网络,得到RBF误差补偿器,去补偿GM(1,1)模型。实验证明,最小二乘支持向量机、灰色系统以及神经网络3者相结合的方法,能有效提高建筑物变形沉降预测的精度。

顾及高程影响的区域天顶对流层延迟改正模型

利用美国南加州地区多个IGS站4年天顶对流层延迟(ZTD)数据,建立了一种不需要实测气象参数而只与测站高程和年积日有关的区域天顶对流层延迟模型。新模型与基于ECMWF再分析资料和年平均气象参数下的Saastamoinen模型相比,其稳定性和精度都优于Saastamoinen模型,且模型精度随高程的增加而增加。使用新模型预测2012年南加州地区ZTD,其整体精度约为3.86 cm。

EGNOS天顶对流层延迟模型适应性评价与分析--以新疆地区为例

利用IGS站及实测气象参数的Saastamoinen模型来评估EGNOS天顶对流层延迟模型在新疆的精度,研究表明:(1)在新疆地区,EGNOS模型与IGS站数据符合较好,guao站BIAS为0.9 mm,RMS为1cm;(2)EGNOS模型与实测气象参数的Saastamoinen模型比较分析后发现,两者之间平均BIAS为-7.9mm,RMS为1.62 cm,BIAS随纬度的增加由负值变为正值,EGNOS模型精度在新疆地区随高程变化稳定,在高程较低处也能保证一定的精度,与其他同纬度不同高程的IGS站相比较,EGNOS模型精度在新疆地区优于其他地区;(3)与ECMWF资料计算的ZTD比较,EGNOS模型RMS优于ECMWF近3.6 cm。

综合时间序列与高程的天顶对流层延迟模型研究

利用南加州地区26个IGS站的天顶对流层延迟(ZTD)数据,运用傅里叶函数和指数函数,建立了一种不需要实测气象参数且只与时间序列及高程相关的天顶对流层延迟改正模型。该模型预报2012年ZTD平均精度为4.31 cm,计算公式简单,所需参数较少,可作为GNSS实时定位及导航的对流层天顶延迟改正。

影像压缩技术的洞庭湖时序InSAR沉降监测

洞庭湖地区作为重要的水源保护区和湿地生态重点区域,其可持续发展及生态环境正面临着构造沉降和人为过度开发的双重威胁。鉴于洞庭湖区域整体沉降速率较小,本文采用长时间跨度的Sentinel-1A影像数据进行时序InSAR处理,以精确获取该区域的地表沉降速率。同时为克服失相干噪声的影响,对影像进行时间维压缩,生成信噪比较高的压缩影像干涉图集,从而实现高效时序处理。与经典时序InSAR技术进行精度对比,不但提高了处理效率,而且相干点的空间密度提高了100倍。研究结果表明,研究区域内存在两处明显沉降区域。

GRACE/GOCE扩展重力场模型确定我国1985高程基准重力位的精度分析

高精度高程基准重力位的确定往往依赖于高精度全球重力场模型,其对全球和区域高程基准的高精度统一非常关键,GRACE、GOCE卫星重力计划极大地提高了全球重力场模型中长波的精度.本文首先对GRACE/GOCE卫星重力场模型的内符合和外符合精度进行讨论分析,结果说明卫星重力模型的截断误差影响可达到分米级水平,在确定高程基准重力位时该影响不可忽略.利用EGM2008模型扩展GRACE/GOCE卫星重力场模型至2190阶,可有效减弱卫星重力模型的截断误差影响,但不同模型扩展时的最优拼接阶次不同,其中DIR-1、DIR-5模型对应的最优拼接阶次分别为180阶和220阶,以GPS水准数据检验,扩展模型在中国区域的精度均优于18cm.最后,基于最优拼接阶次获得的扩展重力场模型对我国1985高程基准重力位进行了估计,DIR-5和TIM-5模型对应数值分别为62636853.47m^2·s^-2和62636853.49m^2·s^-2,精度均为1.51m^2·s^-2;发现在中国区域模型大地水准面与GPS/水准数据的差值存在微弱的系统性倾斜,东西向倾斜约为9cm,南北向倾斜约为1.4cm,考虑倾斜改正后基于DIR-5和TIM-5模型估计我国1985高程基准重力位的精度提高了0.16m^2·s^-2.

“互联网+”及“虚拟仿真”模式下的《工程测量学》教学模式探索

分析了传统工程测量学在教学过程中面临的课时少、知识体系复杂和教师教学困难等问题,阐述了教学改革的重要性和必要性,基于“互联网+”及“虚拟仿真”技术,从教学理念、教学方法和教学效果等方面对传统教学模式进行了顶层优化设计。研究符合工程测量学的混合教学模式,该教学模式将有利于促进学科的课程教学改革,培养高素质、全面协调发展和具有创新意识与创新能力的新型测量技术人才。通过以学生为中心,以知识获取、能力和素养培养为教学目标,围绕“课前准备”“课中实施”和“课后强化”“多方面考核”等全过程、多阶段、不同场景开展虚拟仿真教学,形成了多元化的“互联网+”及“虚拟仿真”特色教学模式。研究表明该教学方法能够在一定程度上有效提高教学效率,提高学生学习积极性和动手操作能力,并有助于强化学生对测绘技术规范的认知和理解。

Sentinel-1卫星TOPS模式影像增强谱分集配准优化

Sentinel-1卫星TOPS模式影像通常在几何配准的基础上,再次利用Burst重叠区域进行增强谱分集处理以实现高精度配准。几何配准主要依赖卫星轨道参数,难以进一步提高其配准精度,因此Sentinel-1影像配准的关键则是通过增强谱分集准确估计出几何配准后的残余偏移量。然而,增强谱分集易受失相干噪声等因素的影响,低相干条件下难以满足0.001像素的配准精度要求。因此本文首先针对单基线条件下的增强谱分集配准处理进行以下改进:①完善增强谱分集多视理论,采用前置多视处理,优化增强谱分集处理流程;②基于增强谱分集相位的残余偏移量等权估计升级为加权估计,改善参数估计方法;③完善距离向增强谱分集加权估计理论,实施距离向增强谱分集配准,增加增强谱分集的观测量。然后在单基线配准的基础上,针对时序影像处理提出优化方案:①根据影像干涉对组合所形成的增强谱分集冗余观测量进行多基线配准;②采用分布式目标技术提高增强谱分集干涉图相位质量。上述改进方案互相补充,不但能独立实施,而且可以联合使用。研究结果表明,以上改进方法能够在一定程度上提高配准精度。

分布式目标在红庆河煤矿形变监测中的应用

以鄂尔多斯市的红庆河煤矿为实验对象,对Sentinel-1A卫星影像进行干涉处理和时序分析。通过分析时间维样本统计属性的相似程度,选取散射特性相同的像素进行同质滤波,并在复数域根据相位闭合原理对其相位进行平差,实现该地区的DS-InSAR处理,得到煤矿累积沉降面积约为32.3 km^2,沉降结果与煤矿的空间分布一致。对比PS-InSAR结果发现,沉降监测中DS-InSAR效果更好。