CN113496083B - 一种gps流动站垂向速度场优化方法及装置 - Google Patents

Abstract

本发明公开了一种GPS流动站垂向速度场优化方法及装置，其中方法包括：获取与预设区域的三维坐标时间序列数据相对应的地表环境负荷模型；依据地表环境负荷模型，获取预设区域GPS流动站的位移三维时间序列中的垂向时间序列；通过支持向量回归方法对位移三维时间序列中的垂向时间序列进行拟合，得到地表环境负荷模型中垂向时间序列的季节性变化值；依据季节性变化值对三维坐标时间序列的垂向时间序列进行修正，得到修正后的GPS流动站的垂向时间序列数据。通过支持向量回归方法结合地表环境负荷模型得到垂向时间序列的季节性修正值，进而对GPS流动站垂向时间序列进行修正，减小了时间序列中非线性变化影响。

Description

一种GPS流动站垂向速度场优化方法及装置

技术领域

本发明涉及GPS测量技术领域，特别涉及一种GPS流动站垂向速度场优化方法及装置。

背景技术

随着陆态网络工程的实施，凭借数量众多的GPS连续观测站并利用这些GPS连续观测站获取的数据，可得到了陆地近几十年的地壳三维形变速度场，为理解陆地区域构造活动提供了直接证据。在很多我们感兴趣或者具有很大地壳构造变化意义的区域，如青藏高原及其周缘地区，由于受到GPS连续站布设的空间分布所限，很难得到这些区域分辨率较高的准确的GPS三维速度场结果。为了解决这一问题，通过在这些区域同时建立了大量的GPS流动站，每年或者每两年进行一期观测。但由于流动站观测时间短，每期观测间隔较长，受环境或人为因素影响较大，导致很多流动站的数据离散度很大，由这些流动站观测数据拟合得到的趋势变化的可信度存疑。因此准确处理这些流动站所包含的非构造信息非常重要，关系到是否能得到更加准确的流动站三维尤其是垂向速度场信息。

GPS时间序列的长期变化能够为理解和分析地壳的构造运动提供重要的信息和依据。为了能够得到更加准确的GPS时间序列的长期变化，需要将时间序列中包含的复杂的非线性变化信息的影响去除掉。对于观测时间较长、数据密度较大的GPS连续观测站来说，一般采用如最小二乘拟合等方法来提取时间序列的周年项、半周年项、以及最关注的趋势项等信息。但这种数据拟合的方法显然不适用于观测时间短、数据密度小的GPS流动站观测数据，尤其对于获取GPS流动站的垂向速度场来说更是有很大挑战。

发明内容

本发明实施例的目的是提供一种GPS流动站垂向速度场优化方法及装置，通过支持向量回归方法结合地表环境负荷模型得到三维坐标时间序列中的垂向时间序列的季节性修正值，并依据季节性修正值对GPS流动站的垂向时间序列进行修正，减小了时间序列中非线性变化的影响，得到了更高空间分辨率的GPS垂向速度场结果。

为解决上述技术问题，本发明实施例的第一方面提供了一种GPS流动站垂向速度场优化方法，PS流动站用于获取预设区域内的三维坐标时间序列数据，其特征在于，包括如下步骤：

获取与所述预设区域的所述三维坐标时间序列数据相对应的地表环境负荷模型；

依据所述地表环境负荷模型，获取所述预设区域GPS流动站的位移三维时间序列中的垂向时间序列；

通过支持向量回归方法对所述位移三维时间序列中的垂向时间序列进行拟合，得到所述地表环境负荷模型中所述垂向时间序列的季节性变化值；

依据所述季节性变化值对所述三维坐标时间序列的垂向时间序列进行修正，得到修正后的所述GPS流动站的所述垂向时间序列数据。

进一步地，所述获取与所述预设区域GPS连续站的所述三维坐标时间序列数据相匹配的地表环境负荷模型，包括：

获取若干个地表环境负荷模型；

将所述若干个地表环境负荷模型分别与所述预设区域中GPS连续站的位移三维时间序列进行比较；

依据比较结果，选取所述若干个地表环境负荷模型中的最优模型。

进一步地，所述将所述若干个地表环境负荷模型分别与所述预设区域中GPS连续站的三维坐标时间序列进行比较，包括：

通过相关系数与WRMS减小率来评估所述地表环境负荷模型对GPS时间序列的影响及不同环境负荷模型之间的差别，其中：

所述相关系数r的计算公式如下：

式中，a_i、b_i、分别为两组时间序列及其对应的平均值；

所述WRMS减小率的计算公式如下：

式中，WRMS_original、WRMS_corrected分别是进行负荷模型改正前后GPS时间序列的WRMS；

所述WRMS的计算公式为：

式中，w(i)＝1/σ(i)²，且x(i)、σ(i)分别表示第i个时间序列及其精度，n为时间序列长度。

进一步地，所述地表环境负荷模型包括：陆地水储量子模型、非潮汐大气子模型和/或非潮汐海洋子模型。

进一步地，所述依据所述比较结果得到所述若干个地表环境负荷模型中的最优模型之后，还包括：

判断所述地表环境负荷模型的最优模型解的可行性。

进一步地，所述判断所述地表环境负荷模型的最优模型解的可行性，包括：

获取若干个所述GPS连续站的检测数据；

计算所述检测数据与所述地表环境负荷模型时间序列的相关系数，判断所述相关系数是否大于预设数值；

如是则判定所述地表环境负荷模型与所述三维坐标时间序列相匹配，如否则判定所述地表环境负荷模型与所述三维坐标时间序列不匹配。

进一步地，所述计算所述检测数据与所述地表环境负荷模型时间序列的相关系数并判断所述相关系数是否大于预设数值，包括：

计算所述检测数据与所述地表环境负荷模型时间序列的所述相关系数的平均值，判断所述相关系数的平均值是否大于所述预设数值；

或

计算所述检测数据与所述地表环境负荷模型时间序列的所述相关系数大于所述预设数值的比例值，并判断所述比例值是否大于预设比例值。

进一步地，所述依据所述季节性变化值对所述三维坐标时间序列的垂向时间序列进行修正之后，还包括：

获取修正后的所述垂向地壳形变速度场原始时间序列的均方根数值；

判断所述均方根数值是否减小；

如所述均方根数值减小，则判定所述GPS流动站垂向地壳形变速度场数据已优化；

如所述均方根数值未减小，则判定所述GPS流动站垂向地壳形变速度场数据未优化。

相应地，本发明实施例的第二方面提供了一种GPS流动站垂向速度场优化装置，GPS流动站用于获取预设区域内的三维坐标时间序列数据，包括：

第一获取模块，其用于获取与所述预设区域的所述三维坐标时间序列数据相对应的地表环境负荷模型；

第二获取模块，其用于依据所述地表环境负荷模型，获取所述预设区域GPS流动站的位移三维时间序列中的垂向时间序列；

拟合模块，其用于通过支持向量回归方法对所述位移三维时间序列中的垂向时间序列进行拟合，得到所述地表环境负荷模型中所述垂向时间序列的季节性变化值；

修正模块，其用于依据所述季节性变化值对所述GPS流动站的垂向时间序列进行修正，得到修正后的所述GPS流动站垂向地壳形变速度场数据。

进一步地，所述第一获取模块包括：

获取单元，其用于获取若干个地表环境负荷模型；

比较单元，其用于将所述若干个地表环境负荷模型分别与所述预设区域中GPS连续站的位移三维时间序列进行比较；

选取单元，其用于依据比较结果，选取所述若干个地表环境负荷模型中的最优模型。

进一步地，所述比较单元通过相关系数与WRMS减小率来评估所述地表环境负荷模型对GPS时间序列的影响及不同环境负荷模型之间的差别，其中：

所述相关系数r的计算公式如下：

式中，a_i、b_i、分别为两组时间序列及其对应的平均值；

所述WRMS减小率的计算公式如下：

式中，WRMS_original、WRMS_corrected分别是进行负荷模型改正前后GPS时间序列的WRMS；

所述WRMS的计算公式为：

式中，w(i)＝1/σ(i)²，且x(i)、σ(i)分别表示第i个时间序列及其精度，n为时间序列长度。

进一步地，所述地表环境负荷模型包括：陆地水储量子模型、非潮汐大气子模型和/或非潮汐海洋子模型。

进一步地，所述第一获取模块还包括：

判断单元，其用于判断所述地表环境负荷模型的最优模型解的可行性。

进一步地，所述判断单元包括：

获取子单元，其用于获取若干个所述GPS连续站的检测数据；

计算子单元，其用于计算所述检测数据与所述地表环境负荷模型时间序列的相关系数，判断所述相关系数是否大于预设数值；

判定子单元，其用于在所述相关系数大于所述预设数值时则判定所述地表环境负荷模型与所述三维坐标时间序列相匹配，还用于在所述相关系数小于或等于所述预设数值则判定所述地表环境负荷模型与所述三维坐标时间序列不匹配。

进一步地，所述计算子单元用于计算所述检测数据与所述地表环境负荷模型时间序列的所述相关系数的平均值，判断所述相关系数的平均值是否大于所述预设数值；

或

所述计算子单元用于计算所述检测数据与所述地表环境负荷模型时间序列的所述相关系数大于所述预设数值的比例值，并判断所述比例值是否大于预设比例值。

进一步地，GPS流动站垂向速度场优化装置还包括：

第三获取模块，其用于获取修正后的所述垂向地壳形变速度场原始时间序列的均方根数值；

判断模块，其用于判断所述均方根数值是否减小；

判定模块，其用于在所述均方根数值减小时判定所述GPS流动站垂向地壳形变速度场数据已优化；还用于在所述均方根数值未减小时判定所述GPS流动站垂向地壳形变速度场数据未优化。

相应地，本发明实施例的第三方面还提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述一个处理器执行，以使所述至少一个处理器执行上述GPS流动站垂向速度场优化方法。

此外，本发明实施例的第四方面还提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述GPS流动站垂向速度场优化方法。

本发明实施例的上述技术方案具有如下有益的技术效果：

通过支持向量回归方法结合地表环境负荷模型得到GPS连续站获取的所述三维坐标时间序列中的垂向地壳形变速度场原始时间序列的季节性修正值，并依据季节性修正值对所述GPS流动站的垂向时间序列进行修正，减小了时间序列中非线性变化的影响，得到了更高空间分辨率的GPS垂向速度场结果。

附图说明

图1是本发明实施例提供的GPS流动站垂向速度场优化方法流程图；

图2是本发明实施例提供的利用SVR方法和LS方法得到的地表负荷模型的季节性变化示意图；

图3是本发明实施例提供的功率谱密度示意图；

图4是本发明实施例提供的GPS流动站垂向速度场优化装置模块图；

图5是本发明实施例提供的第一获取模块框图；

图6是本发明实施例提供的判断单元框图。

附图标记：

1、第一获取模块，11、获取单元，12、比较单元，13、选取单元，14、判断单元，141、获取子单元，142、计算子单元，143、判定子单元，2、第二获取模块，3、拟合模块，4、修正模块，5、第三获取模块，6、判断模块，7、判定模块。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

图1是本发明实施例提供的GPS流动站垂向速度场优化方法流程图。

请参照图1，本发明实施例提供一种GPS流动站垂向速度场优化方法，GPS流动站用于获取预设区域内的三维坐标时间序列数据，包括如下步骤：

S100，获取与预设区域的三维坐标时间序列数据相匹配的地表环境负荷模型。

S200，依据地表环境负荷模型，获取预设区域GPS流动站的位移三维时间序列中的垂向时间序列。

S300，通过支持向量回归方法对位移三维时间序列中的垂向时间序列进行拟合，得到地表环境负荷模型中垂向时间序列的季节性变化值。

S400，通过季节性变化值对GPS流动站的垂向时间序列进行修正，得到修正后的GPS流动站垂向地壳形变速度场数据。

具体的，步骤S100中的获取与预设区域的三维坐标时间序列数据相匹配的地表环境负荷模型，包括：

S110，获取若干个地表环境负荷模型。

具体的，在地表环境负荷模型具体确定时，可以选择德国地学研究中心GermanResearch Centre for Geosciences(GFZ)，法国School and Observatory of EarthSciences(EOST)和美国国家航空航天局National Aeronautics and SpaceAdministration(NASA)三个机构提供的地表环境负荷模型。可选的，这些地表环境负荷模型包括了陆地水储量，非潮汐大气和非潮汐海洋模型。经过与预设区域的GPS三维坐标时间序列进行比较，将美国国家航空航天局NASA提供的模型解作为中国大陆区域的最优模型解。此外，针对不同的预设区域，可能最后获得的最优地表环境负荷模型是不同的。

S120，将若干个地表环境负荷模型分别与预设区域中的GPS连续站获取的位移三维时间序列进行比较。

具体的，步骤S120中，具体的步骤为：通过相关系数与WRMS减小率来评估地表环境负荷模型对GPS时间序列的影响及不同环境负荷模型之间的差别，其中：

相关系数r的计算公式如下：

式中，a_i、b_i、分别为两组时间序列及其对应的平均值；

WRMS减小率的计算公式如下：

式中，WRMS_original、WRMS_corrected分别是进行负荷模型改正前后GPS时间序列的WRMS；

WRMS的计算公式为：

式中，w(i)＝1/σ(i)²，且x(i)、σ(i)分别表示第i个时间序列及其精度，n为时间序列长度。

上述方案中WRMS减小率表明负荷模型中有多少信号可以解释为负荷时间序列。WRMS减小率越大，说明负荷模型表现越好。如果负荷模型使得GNSS时间序列更加发散，则WRMS减小率为负数。

这里以陆地水储量模型为例，我们比较了该模型形变序列与GPS坐标时间序列之间的相关系数及WRMS减小率。

五种陆地水储量模型引起的地表形变在中国区域呈现相同的趋势。而GPS时间序列在加入EOST-GLDAS模型计算的形变改正后，WRMS减小率达到最大，其减小率中位数为6.56％。由此选择这种模型为最优的陆地水储量模型。其他几种地球物理模型的选择方式与此相同。

S130，依据比较结果，选取若干个地表环境负荷模型中的最优模型。

在本发明实施例的一个具体实施方式中，在步骤S130之后，依据比较结果选取若干个地表环境负荷模型中的最优模型之后，还包括：

S140，判断地表环境负荷模型的最优模型解的可行性。

具体的，在步骤S140中判断地表环境负荷模型的最优模型解的可行性，包括：

S141，获取若干个GPS流动站的检测数据。

S142，计算检测数据与地表环境负荷模型时间序列的相关系数，判断相关系数是否大于预设数值。

S143，如是则判定地表环境负荷模型与三维坐标时间序列相匹配，如否则判定地表环境负荷模型与三维坐标时间序列不匹配。

具体的，步骤S143中计算检测数据与地表环境负荷模型时间序列的相关系数并判断相关系数是否大于预设数值，可以为：

S143a，计算检测数据与地表环境负荷模型时间序列的相关系数的平均值，判断相关系数的平均值是否大于预设数值；或，

S143b，计算检测数据与地表环境负荷模型时间序列的相关系数大于预设数值的比例值，并判断比例值是否大于预设比例值。

通过利用预设区域中125个连续GPS流动站数据，计算了GPS和地表负荷模型的时间序列之间的相关系数r，发现超过91.7％的测站的相关系数超过0.85，平均相关系数达到了0.93。这说明地表环境负荷模型和GPS的垂向时间序列之间存在很强的相关性，可以利用地表环境负荷模型来修正GPS垂向时间序列中包含的季节性变化。

由于地表环境负荷模型原始时间序列中存在的噪声，无法直接从GPS时间序列中扣除。通过对地表环境负荷模型的时间序列进行拟合得到其中的季节性变化，并使用季节性变化来修正流动GPS流动站的垂向时间序列。一般来说，估计季节性变化的常用方法是基于最小二乘(LS)的正弦参数函数。但是，某些潜在的季节性负荷源不能表现出理想的正弦形式，因此采用非参数估计方法更合适，因此通过支持向量回归(SVR)方法来估计时间序列中的季节性变化。分析结果表明，支持向量回归方法得到的地表负荷模型的季节性变化能够更好的贴合原始时间序列。

图2是本发明实施例提供的利用SVR方法和LS方法得到的地表负荷模型的季节性变化示意图。

图3是本发明实施例提供的功率谱密度示意图。

请参照图2和图3，我们利用LS和SVR两种方法分别对六个GPS测站位置的地表环境负荷模型进行了拟合，发现SVR方法拟合的结果更加符合原始时间序列(图2)。为了进一步说明SVR方法拟合季节性信号的有效性，我们对两种方法拟合的信号做了频谱分析，结果如图3所示，与扣除了LS得到的季节性信号之后的剩余信号相比，扣除了SVR得到的季节性信号之后，剩余时间序列中周年信号和半周年信号都大大降低。说明SVR方法能够更好的拟合出原始时间序列中的季节性变化信号。图2中灰色点是地表负荷模型的原始时间序列，黑色线条是SVR方法拟合出的季节性变化，灰色线条是LS方法拟合出的季节性变化。图3中a部分为将LS方法拟合的季节性变化在原始时间序列中扣除之后的剩余信号的功率谱密度；图3中b部分为将SVR方法拟合的季节性变化在原始时间序列中扣除之后的剩余信号的功率谱密度；图3中c部分为地表负荷模型的原始时间序列的功率谱密度。

此外，在本发明实施例的另一个具体实施方式中，通过季节性变化值对GPS流动站的垂向时间序列进行修正之后，还包括：

S510，获取修正后的垂向地壳形变速度场原始时间序列的均方根数值。

S520，判断均方根数值是否减小。

S530，如均方根数值减小，则判定GPS流动站垂向地壳形变速度场数据已优化。

S540，如均方根数值未减小，则判定GPS流动站垂向地壳形变速度场数据未优化。

通过计算扣除前后的GPS时间序列的均方根RMS减小量，发现超过65％的GPS流动站的RMS减小，进一步证明了本技术方案可以有效的降低GPS流动站垂向时间序列的离散度，得到更好的速度结果。

上述GPS流动站垂向速度场优化方法通过支持向量回归方法结合地表环境负荷模型得到三维坐标时间序列中的垂向时间序列的季节性修正值，并依据季节性修正值对GPS流动站的垂向时间序列进行修正，减小了时间序列中非线性变化的影响，得到了更高空间分辨率的GPS垂向速度场结果。

图4是本发明实施例提供的GPS流动站垂向速度场优化装置模块图。

相应地，请参照图4，本发明实施例的第二方面提供了一种GPS流动站垂向速度场优化装置，GPS流动站用于获取预设区域内的三维坐标时间序列数据，包括：第一获取模块1、第二获取模块2、拟合模块3和修正模块4。第一获取模块1用于获取与预设区域内的三维坐标时间序列数据相匹配的地表环境负荷模型；第二获取模块2用于依据地表环境负荷模型，获取预设区域GPS连续站的位移三维时间序列中的垂向时间序列，拟合模块3通过支持向量回归方法对位移三维时间序列中的垂向时间序列进行拟合，得到地表环境负荷模型中垂向时间序列的季节性变化值；修正模块4用于依据季节性变化值对GPS流动站的垂向时间序列进行修正，得到修正后的GPS流动站垂向地壳形变速度场数据。

图5是本发明实施例提供的第一获取模块框图。

具体的，请参照图5，第一获取模块1包括：获取单元11、比较单元12和选取单元13。获取单元11用于获取若干个地表环境负荷模型；比较单元12用于将若干个地表环境负荷模型分别与预设区域中GPS连续站的位移三维时间序列进行比较；选取单元13用于依据比较结果，选取若干个地表环境负荷模型中的最优模型。

具体的，比较单元通过相关系数与WRMS减小率来评估地表环境负荷模型对GPS时间序列的影响及不同环境负荷模型之间的差别，其中：

相关系数r的计算公式如下：

式中，a_i、b_i、分别为两组时间序列及其对应的平均值；

WRMS减小率的计算公式如下：

式中，WRMS_original、WRMS_corrected分别是进行负荷模型改正前后GPS时间序列的WRMS；

WRMS的计算公式为：

式中，w(i)＝1/σ(i)²，且x(i)、σ(i)分别表示第i个时间序列及其精度，n为时间序列长度。

可选的，地表环境负荷模型包括：陆地水储量子模型、非潮汐大气子模型和/或非潮汐海洋子模型。

此外，第一获取模块还包括：判断单元14。判断单元14用于判断地表环境负荷模型的最优模型解的可行性。

图6是本发明实施例提供的判断单元框图。

进一步地，请参照图6，判断单元14包括：获取子单元141、计算子单元142和判定子单元143。获取子单元141用于获取若干个GPS连续站的检测数据；计算子单元142用于计算检测数据与地表环境负荷模型时间序列的相关系数，判断相关系数是否大于预设数值；判定子单元143用于在相关系数大于预设数值时则判定地表环境负荷模型与三维坐标时间序列相匹配，还用于在相关系数小于或等于预设数值则判定地表环境负荷模型与三维坐标时间序列不匹配。

可选的，计算子单元142用于计算检测数据与地表环境负荷模型时间序列的相关系数的平均值，判断相关系数的平均值是否大于预设数值。或者，计算子单元142还可用于计算检测数据与地表环境负荷模型时间序列的相关系数大于预设数值的比例值，并判断比例值是否大于预设比例值。

进一步地，GPS流动站垂向速度场优化装置还包括：第三获取模块5、判断模块6和判定模块7。第三获取模块5用于获取修正后的垂向地壳形变速度场原始时间序列的均方根数值；判断模块6用于判断均方根数值是否减小；判定模块7用于在均方根数值减小时判定GPS流动站垂向地壳形变速度场数据已优化，还用于在均方根数值未减小时判定GPS流动站垂向地壳形变速度场数据未优化。

上述GPS流动站垂向速度场优化装置通过支持向量回归方法结合地表环境负荷模型得到三维坐标时间序列中的垂向时间序列的季节性修正值，并依据季节性修正值对GPS流动站的垂向时间序列进行修正，减小了时间序列中非线性变化的影响，得到了更高空间分辨率的GPS垂向速度场结果。

相应地，本发明实施例的第三方面还提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器连接的存储器；其中，存储器存储有可被一个处理器执行的指令，指令被一个处理器执行，以使至少一个处理器执行上述GPS流动站垂向速度场优化方法。

此外，本发明实施例的第四方面还提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述GPS流动站垂向速度场优化方法。

本发明实施例旨在保护一种GPS流动站垂向速度场优化方法及装置，GPS流动站用于获取预设区域内的三维坐标时间序列数据，其中优化方法包括如下步骤：获取与预设区域的三维坐标时间序列数据相对应的地表环境负荷模型；依据地表环境负荷模型，获取预设区域GPS流动站的位移三维时间序列中的垂向时间序列；通过支持向量回归方法对位移三维时间序列中的垂向时间序列进行拟合，得到地表环境负荷模型中垂向时间序列的季节性变化值；依据季节性变化值对三维坐标时间序列的垂向时间序列进行修正，得到修正后的GPS流动站的垂向时间序列数据。上述技术方案具备如下效果：

通过支持向量回归方法结合地表环境负荷模型得到三维坐标时间序列中的垂向时间序列的季节性修正值，并依据季节性修正值对GPS流动站的垂向时间序列进行修正，减小了时间序列中非线性变化的影响，得到了更高空间分辨率的GPS垂向速度场结果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (7)

1.一种GPS流动站垂向速度场优化方法，GPS流动站用于获取预设区域内的三维坐标时间序列数据，其特征在于，包括如下步骤：

获取与所述预设区域的所述三维坐标时间序列数据相对应的地表环境负荷模型；

依据所述地表环境负荷模型，获取所述预设区域GPS流动站的位移三维时间序列中的垂向时间序列；

通过支持向量回归方法对所述位移三维时间序列中的垂向时间序列进行拟合，得到所述地表环境负荷模型中所述垂向时间序列的季节性变化值；

依据所述季节性变化值对所述三维坐标时间序列的垂向时间序列进行修正，得到修正后的所述GPS流动站的所述垂向时间序列数据；

所述获取与所述预设区域的所述三维坐标时间序列数据相匹配的地表环境负荷模型，包括：

获取若干个地表环境负荷模型；

将所述若干个地表环境负荷模型分别与所述预设区域中GPS连续站的位移三维时间序列进行比较；

依据比较结果，选取所述若干个地表环境负荷模型中的最优模型；

所述将所述若干个地表环境负荷模型分别与所述预设区域中GPS连续站的三维坐标时间序列进行比较，包括：

通过相关系数与WRMS减小率来评估所述地表环境负荷模型对GPS时间序列的影响及不同环境负荷模型之间的差别，其中：

所述相关系数r的计算公式如下：

式中，a_i、

b_i、

分别为两组时间序列及其对应的平均值；

所述WRMS减小率的计算公式如下：

式中，WRMS_original、WRMS_corrected分别是进行负荷模型改正前后GPS时间序列的WRMS；

所述WRMS的计算公式为：

式中，w(i)＝1/σ(i)²，且x(i)、σ(i)分别表示第i个时间序列及其精度，n为时间序列长度。

2.根据权利要求1所述的GPS流动站垂向速度场优化方法，其特征在于，

所述地表环境负荷模型包括：陆地水储量子模型、非潮汐大气子模型和/或非潮汐海洋子模型。

3.根据权利要求1所述的GPS流动站垂向速度场优化方法，其特征在于，所述依据所述比较结果选取所述若干个地表环境负荷模型中的最优模型之后，还包括：

判断所述地表环境负荷模型的最优模型解的可行性。

4.根据权利要求3所述的GPS流动站垂向速度场优化方法，其特征在于，所述判断所述地表环境负荷模型的最优模型解的可行性，包括：

获取若干个所述GPS连续站的检测数据；

计算所述检测数据与所述地表环境负荷模型时间序列的相关系数，判断所述相关系数是否大于预设数值；

如是则判定所述地表环境负荷模型与所述三维坐标时间序列相匹配，如否则判定所述地表环境负荷模型与所述三维坐标时间序列不匹配。

5.根据权利要求4所述的GPS流动站垂向速度场优化方法，其特征在于，所述计算所述检测数据与所述地表环境负荷模型时间序列的相关系数并判断所述相关系数是否大于预设数值，包括：

计算所述检测数据与所述地表环境负荷模型时间序列的所述相关系数的平均值，判断所述相关系数的平均值是否大于所述预设数值；

或

计算所述检测数据与所述地表环境负荷模型时间序列的所述相关系数大于所述预设数值的比例值，并判断所述比例值是否大于预设比例值。

6.根据权利要求1所述的GPS流动站垂向速度场优化方法，其特征在于，所述依据所述季节性变化值对所述三维坐标时间序列的垂向时间序列进行修正之后，还包括：

获取修正后的垂向地壳形变速度场原始时间序列的均方根数值；

判断所述均方根数值是否减小；

如所述均方根数值减小，则判定所述GPS流动站垂向地壳形变速度场数据已优化；

如所述均方根数值未减小，则判定所述GPS流动站垂向地壳形变速度场数据未优化。

7.一种GPS流动站垂向速度场优化装置，GPS流动站用于获取预设区域内的三维坐标时间序列数据，其特征在于，包括：

第一获取模块，其用于获取与所述预设区域的所述三维坐标时间序列数据相对应的地表环境负荷模型；

第二获取模块，其用于依据所述地表环境负荷模型，获取所述预设区域GPS流动站的位移三维时间序列中的垂向时间序列；

拟合模块，其用于通过支持向量回归方法对所述位移三维时间序列中的垂向时间序列进行拟合，得到所述地表环境负荷模型中所述垂向时间序列的季节性变化值；

修正模块，其用于依据所述季节性变化值对所述GPS流动站的垂向时间序列进行修正，得到修正后的所述GPS流动站垂向地壳形变速度场数据；

所述第一获取模块包括：

获取单元，其用于获取若干个地表环境负荷模型；

比较单元，其用于将所述若干个地表环境负荷模型分别与所述预设区域中GPS连续站的位移三维时间序列进行比较；

选取单元，其用于依据比较结果，选取所述若干个地表环境负荷模型中的最优模型；

所述比较单元通过相关系数与WRMS减小率来评估所述地表环境负荷模型对GPS时间序列的影响及不同环境负荷模型之间的差别，其中：

所述相关系数r的计算公式如下：

式中，a_i、

b_i、

分别为两组时间序列及其对应的平均值；

所述WRMS减小率的计算公式如下：

式中，WRMS_original、WRMS_corrected分别是进行负荷模型改正前后GPS时间序列的WRMS；

所述WRMS的计算公式为：

式中，w(i)＝1/σ(i)²，且x(i)、σ(i)分别表示第i个时间序列及其精度，n为时间序列长度。

Images