强干扰环境下GNSS变形监测坐标时间序列的误差处理与趋势预测研究

摘要

变形监测是对被监测的变形体进行测量，以确定其空间位置及内部结构随时间变化的特征。GNSS变形监测因其全天候自动化监测的优势，已经成为该领域最主要的技术手段。通过GNSS变形监测获得更加精确的变形体失稳信息，对由于变形体失稳引发的滑坡、泥石流等地质灾害的预防具有重要借鉴意义。　　基于GNSS导航定位系统的变形体位移监测不仅可以实现对形变位移值的实时观测和记录，而且同时将与变形位移有关的时间、空间、频率信息记录下来，可以更好的为后期数据分析服务。但GNSS变形监测易受到外界环境的干扰，其数据序列中也包含了大量的粗差、噪声等干扰信息，容易对后续分析造成误导。因此，本文以某露天矿边坡为工程背景，结合GNSS变形监测坐标时间序列，深入地对数据信号预处理和变形趋势预测理论开展研究，主要研究内容如下：　　（1）基于小波分析的3σ粗差剔除。以小波分析极佳的时频特性为基础，利用小波分解的低频部分提取变形趋势，对观测的真值进行拟合估计，同时结合3σ准侧对长数据序列的识别、处理能力，提出基于小波分析改进的3σ粗差剔除法。并结合仿真算例和实际工程案列研究，证明了该方法的有效性。　　（2）基于谱指数和改进半软阈值法的噪声特征分析与消除。从GNSS坐标时间序列噪声影响因素出发，利用谱指数对数据信号含噪特性进行分析。针对具有不同含噪特性的数据信号，以现有软、硬阈值法以及半软阈值消噪理论为基础，分别利用改进半软阈值法和小波-香农熵混合法对随机特性明显的数据序列和传统以白噪声为主的数据序列进行消噪，丰富了消噪方法的选取和适用性。　　（3）耦合灰色系统和分形几何的时间序列预测研究。在对灰色理论下的GM（1,1）模型和分形理论下的改进变维分形模型研究的基础上，提出利用GM（1,1）改正分形模型分维数的方法，将两个预测模型进行组合，得到改进分形-灰色组合预测模型，不仅提高了模型预测精度，而且扩大了其适用范围。　　基于GNSS监测坐标时间序列，通过分析强干扰环境下数据序列误差形成机理，结合岩土工程学、测绘工程以及统计学等相关理论，从不同角度对GNSS变形监测坐标时间序列进行处理、预测研究，为边坡等变形体加固措施提供科学依据，达到对滑坡、崩塌等灾害的有效的控制。

目录

声明

第1章 绪 论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 本文主要研究内容及技术路线

第2章 基于小波分析改进的GNSS监测时间序列粗差探测方法

2.1 强干扰环境下GNSS时间序列误差分析

2.2 常用GNSS时间序列粗差探测方法

2.3 基于小波分析改进的3σ粗差探测

2.4仿真结果讨论

2.5本章小结

第3章 GNSS变形监测时间序列噪声特征分析及消噪方法

3.1概述

3.2基于谱指数的GNSS时间序列噪声特征分析

3.3常用GNSS时间序列消噪方法研究

3.4面向随机漫步噪声的改进半软阈值消噪研究

3.5面向白/闪烁噪声的混合消噪方法研究

3.6仿真结果讨论

3.7本章小结

第4章 GNSS监测时间序列趋势预测耦合模型

4.1概述

4.2常用GNSS时间序列趋势预测模型

4.3改进分形预测模型

4.4本章小结

第5章 工程案例研究与分析

5.1 工程概述

5.2 粗差剔除结果及分析

5.3 噪声消除结果及分析

5.4 边坡变形预测结果及分析

5.5本章小结

第6章 结论与展望

6.1结论

6.2展望

致谢

参考文献

攻读硕士学位期间参加的项目及取得成果