沉降数据序列分析方法研究

针对沉降数据序列的特征,研究了多项式回归方法、小波降噪方法、频谱分析法在沉降数据处理中的应用。多项式回归残差和小波降噪残差统计指标对比表明:在趋势项分离过程中,小波降噪方法优于多项式回归方法。小波降噪的残差频谱分析结果表明了沉降数据序列在2个月和4个月的周期性信息。

基于小波理论的沉降监测数据序列分析

介绍了基于小波理论的沉降数据分析的理论背景、内容及实现方法。结合兖州地区某矿的沉降实测资料,研究了沉降数据降噪、沉降剧烈程度探测以及沉降数据中周期性识别3个方面的内容。

融合GNSS和InSAR数据提高InSAR监测精度

GNSS数据反演的生成大气延迟或卫星轨道误差模型能够改正InSAR监测精度,但是大气延迟或卫星轨道误差模型需要用GNSS数据进行反演。GNSS数据反演的模型不仅计算量大,而且过程复杂。为了解决GNSS数据改正Insar误差的缺点,提出使用Kriging Kalman Filter模型融合GNSS和Insar数据的方法。该方法考虑了GNSS和InSAR数据的时空相关性,从而提高Insar监测精度。在GNSS和Insar数据融合实验中,融合沉降时间序列数据相比原始Insar沉降时间序列数据更趋近GNSS参考站的沉降时间趋势。