IGS跟踪站的大地高时间序列特征分析.pdfVIP

IGS跟踪站的大地高时间序列特征分析 ①② ① ① 徐克红 ，程鹏飞 ，文汉江 （①中国测绘科学研究院，北京100039；②辽宁工程技术大学，辽宁阜新 123000 ） 【摘 要】应用国内几个 IGS 跟踪站在 U 方向的观测数据，分析研究跟踪站大地高的变化 趋势。通过对时间序列进行奇异谱分析和傅立叶变换分析，表明大地高时间序列具有一定的 周期性，且周期特性明显，且时间序列的时频特性表现出明显的区域性。 【关键词】大地高时间序列；奇异谱分析；傅立叶变换 1. 引言 IGS 跟踪站自 1994 年成立以来，在全球建立很多 GPS 观测站，至今 GPS 跟踪站已经积 累了 10 多年的 GPS 数据，使得 GPS 成为观测地壳运动的主要手段，成功应用于地壳水平运 动的观测研究。而在高程方面，由于受到诸多因素的影响，变化较为复杂，使得其精度低于 水平位移。但由于有多年的资料积累，高程方向的资料信息同样十分丰富，且精度有所提高。 同时，台站坐标的精度对观测量的精度有直接的影响，所以对台站高程方向的时间序列进行 分析有利于进一步提高观测量的精度。 最近几年对 GPS 台站高程时间序列的分析已有很多，朱文耀[2]等对 GPS 高程方向时间 序列噪声的特性进行研究，发现地球明显呈现半周年整体振荡运动等特征。张鹏[4]等对我 国 GPS 跟踪站数据进行了处理，并对处理和平差后的精密的点位坐标时间序列的特征进行 了分析，得出了 GPS 基准站的时间序列具有一定的周期性，高程分量的周期性最为明显， 并且时间序列的时频特性表现出明显的区域性等的结论。 奇异谱分析（SSA）是对一维的时间序列进行分析的主成分分析方法。该方法适用于从 短噪声时间序列中提取信息。 SSA 在时空域中，通过将序列分解成元素行为模式的方法， 将含在延迟坐标相空间的信息拆开，通过使用数据适应滤波器来帮助将时间序列分开为统计 的独立成分，这些成分可以当作趋势、振动或噪声来进行分类。 Fourier 变换架起了时间域和频率域之间的桥梁，实现了从时域到频域的信号分析。窗 口Fourier 变换把信号分成许多小的时间间隔，用 Fourier 变换分析每一个时间间隔，以便确 定该时间间隔存在的频率。但是，窗口 Fourier 变换的窗口大小和形状都是固定的，这使其 局域分析能力受到了限制。 本文选用我国北京房山、昆明，上海，拉萨等跟踪站，采用奇异谱分析的方法对以上台 站大地高时间序列进行分析，研究该分析方法的可行性，以及高程方向的变化规律和周期特 性，并与 Fourier 分析的结果进行比较。 2. 奇异谱分析 主成分分析（PCA ，Principal Component Analysis ），也称为经验正交函数（EOF ，Empirical Orthogonal Function ），可以由多维的时间序列中获取时间序列的主要成分，是常用的多元 统计分析方法之一，主要将多个彼此相关的指标变换为少数几个彼此独立的综合指标即主成 分，并要求主成分能反映原始数据的几乎全部信息，其中，常用于对一维的时间序列进行分 析的方法称为奇异谱分析（SSA，Singular spectrum analysis）。 奇异谱方法（SSA）是一种特别适合于研究周期振荡行为的分析方法，它是从时间序列 的动力重构出发，并与经验正交函数相联系的一种统计技术，是EOF分解的一特殊应用。分 解的空间结构与时间尺度密切相关，可以较好地从含噪声的有限尺度时间序列中提取信息， 目前已应用于多种时间序列的分析中。 SSA 在数学形式上对单变量序列X (1 i N ) 展开为： i M k k 1≤j ≤M X ∑α E i+j i j k 1 式中 M 称窗口长度或嵌入长度，依研究对象确定。E k 是原序列X ,L,X 的迟后自协方差