基于STL的GNSS高程时间序列分析.pdfVIP

2025年3月水利水电快报EWRHI第46卷第3期

引用格式：李辰风，田坤，陈文.基于STL的GNSS高程时间序列分析[J].水利水电快报,2025,46（3）：52-58.

基于STL的GNSS高程时间序列分析

李辰风,田坤,陈

（1.长江三峡勘测研究院有限公司（武汉），湖北武汉430074；2.江西省国土空间调查规划研究院，

江西南昌330025）

摘要：为了解决大规模GNSS坐标序列季节性信号和长期趋势项分离时的效率问题，引入基于局部加权

回归的季节项趋势分解(STL)方法，分析该方法在GNSS时间序列分析中的应用效果。通过比较分析,利用

STL分离提取模拟信号和GNSS高程时间序列的季节项和长期趋势项。结果表明：STL方法能够准确地分离

出GNSS高程时间序列中的季节性信号和长期趋势项,与其他常用时间序列分析方法相比,该方法运算效率

较高。STL方法的高效性和精确性使其非常适合应用于大规模GNSS坐标序列的信号分离。

关键词：卫星大地测量；STL；GNSS；时间序列；季节性信号

中图法分类号：P228文献标志码：AD0I:10.15974/j.cnki.slsdkb.2025.03.009

文章编号：1006-0081(2025)03-0052-07

0引言孜站与四川九龙站4个GNSS基准站的实例数据,将

STL方法与最小二乘法（LeastSquares,LS）【12]、奇异谱

研究表明,GNSS（GlobalNavigationSatelliteSys-

分析（SingularSpectrumAnalysis,SSA）[13]和经验模态

tem)高程具有显著的季节性波动,且主要源于环境负分解法[14-15](EmpiricalModeDecomposition,EMD)3

荷的变化[1-3]。GNSS坐标序列作为国际地球参考框

种常用时间序列分析方法进行对比，分析它们分离提

架(InternationalTerrestrialReferenceFrame,ITRF)的关

取季节项和趋势信号的效果。

键数据源,其周期变化对ITRF原点和尺度等参数的

定义有着直接的影响[4-6]。2013年,Altamimi等[7]首1STL数学原理

次在ITRF2014的实现中纳人了环境负载的变化因素，基于局部加权回归的季节项趋势分解（STL)方法

使该框架的精度得到了显著提升。因此，为了确保是一种用于时间序列分析的技术，它可以将时间序列

GNSS数据的可靠性和准确度,进而维持高精度的参Y、分解为趋势T、季节项S，和残差R、三个部分，如

考框架,对GNSS高程序列的周期性信号进行有效的式(1)所示[7]:

分离至关重要。Y,=T,+S+R,(1)

基于局部加权回归的季节项趋势分解（seasonal-STL方法的核心是利用Loess来进行平滑操作,从

trenddecompositionprocedureusingloess,STL)方法应而分离出时间序列的不同成分。

用一系列局部加权回归（Loess）平滑,能够将长时间序

列分解成趋势项、季节项和残差部分[8]。该方法具有1.1局部加权回归法

很强的鲁棒性和稳健性,普遍应用于机械检测和气候假定有两个观测量x;和y;（i=1,2,,n），x;是

学数据资料的研究分析，通过