多点季节性变形监测资料分析和预报方法研究

变形监测预报一直是变形测量的难点和重点,其结果的好坏直接影响人类的生产和生活。特别是复杂的季节性变化,往往给预报结果带来了波动性。提出了一种综合滑动平均去季节性和SCGM(1,m)模型的变形监测预报方法。该方法顾及了多点之间的空间关系,也兼顾了由季节性引起的时间变化,因此提高了预报的准确性。最后用美国南加州GPS网(SCIGN)提供的实测数据验证了该方法的可靠性。

基于BP神经网络的对流层延迟预测研究

将Levenberg-Marquart算法改进的BP神经网络技术用于GPS对流层延迟的预测,以南加州GPS网数据为例的实验表明:76%的预测值与实际值之间的偏差在3 cm以内;利用BP神经网络进行预测对流层延迟的精度达到厘米级,部分站点达到毫米级。对部分预测效果不佳的站点进行分析,站点空间位置选取不合理、站点海拔与周边训练样本的站点海拔差异较大是造成预测效果不佳的原因。