CN114332389A - 一种三维地壳形变模型的构建方法和装置 - Google Patents
一种三维地壳形变模型的构建方法和装置 Download PDFInfo
- Publication number
- CN114332389A CN114332389A CN202111598092.4A CN202111598092A CN114332389A CN 114332389 A CN114332389 A CN 114332389A CN 202111598092 A CN202111598092 A CN 202111598092A CN 114332389 A CN114332389 A CN 114332389A
- Authority
- CN
- China
- Prior art keywords
- cors station
- optimal
- time sequence
- time
- cors
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种三维地壳形变模型的构建方法和装置,涉及数据处理的技术领域,包括:获取目标区域内的第一目标数据,并基于第一目标数据构建多种时间尺度的时间序列;利用非线性自回归模型算法,对多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列;利用CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列;基于最优时间序列,构建目标区域的三维地壳形变模型,解决了现有三维地壳形变模型的时间分辨率和空间分辨率较低的技术问题。
Description
技术领域
本发明涉及数据处理的技术领域,尤其是涉及一种三维地壳形变模型的构建方法和装置。
背景技术
地壳形变与人类生存环境、气候变化、地震、地质灾害等有直接或间接的关系。地壳形变影响过程极其复杂,不仅有构造运动、冰后回弹等长期线性影响,还受大气、地表水、地下水、冰川雪山和海平面变化等复杂地表动力环境非线性影响,这些影响在不同地区或不同时间尺度上均存在较大差异。
GNSS技术可以高精度直接观测到地球表面的运动与形变,在实际研究和应用中,通常采用克里格方法、反距离加权法、最小二乘配置等数学方法,或者块体模型等运动学方法,构建地壳形变模型。但模型受方法、观测时间跨度、站点数量与分布影响较大,不同CORS站点、不同时空分布数据构建的模型,在时空分辨率、精度、数值大小等方面上存在较大差异,难以满足现代测绘基准动态维持、地震、地质灾害前兆捕获等对高精度、高时空分辨率形变模型的统一基准下量化对比分析的需求。
针对上述问题,还未提出有效的解决方案。
发明内容
有鉴于此,本发明的目的在于提供一种三维地壳形变模型的构建方法和装置,以缓解了现有三维地壳形变模型的时间分辨率和空间分辨率较低的技术问题。
第一方面,本发明实施例提供了一种三维地壳形变模型的构建方法,获取目标区域内的第一目标数据,并基于所述第一目标数据构建多种时间尺度的时间序列,其中,所述第一目标数据包括:CORS站的GNSS载波相位观测值和CORS站的伪距观测值,所述时间序列用于表征CORS站随时间变化的位置坐标;利用非线性自回归模型算法,对所述多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列;利用CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列;基于所述最优时间序列,构建所述目标区域的三维地壳形变模型。
进一步地,基于所述第一目标数据构建多种时间尺度的时间序列,包括:基于所述第一目标数据,计算出CORS站位置坐标的松弛解和精度信息;基于所述松弛解,所述精度信息和IGS站点数据,构建所述多种时间尺度的时间序列。
进一步地,利用非线性自回归模型算法,对所述多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列,包括:对所述多种时间尺度的时间序列进行预处理,得到多种时间尺度的中间时间序列,其中,所述预处理包括:粗差剔除处理,去噪处理和虚假非线性信号剔除处理;利用非线性自回归模型算法,对所述多种时间尺度的中间时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列。
进一步地,利用CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列,包括:
基于所述CORS站的最优线性拟合时间序列,计算出所述CORS站的共模误差,并从所述最优线性拟合时间序列中剔除出所述共模误差,得到剔除处理后的最优线性拟合时间序列;利用环境负荷模型,分离出所述剔除处理后的最优线性拟合时间序列中的第二目标数据,将所述第二目标数据确定为所述CORS站的残差时序,其中,所述第二目标数据包括:周期性数据和可模型化数据;利用精化负荷形变场,剔除所述CORS站的残差时序中的负荷非线性数据,并对完成剔除的残差时序进行重构,得到所述CORS站的最优时间序列。
进一步地,基于所述最优时间序列,构建所述目标区域的三维地壳形变模型,包括:基于所述CORS站的最优时间序列,确定出所述目标区域内的目标CORS站,其中,所述目标CORS站的最优时间序列中任意相邻的两个数据之间的差值小于预设阈值;基于所述目标CORS站构建初始网格,并利用双线性插值算法和所述CORS站的最优时间序列,得到细化网格的位移向量,其中,一个目标CORS站对应一个初始网格;利用预设迭代算法,对所述细化网格的位移向量进行迭代处理,得到优化后的细化网格;利用所述优化后的细化网格和预设非线性变化约束条件,构建所述目标区域的三维地壳形变模型。
进一步地,利用双线性插值算法和所述CORS站的最优时间序列,得到细化网格的位移向量,包括:基于所述CORS站的最优时间序列,确定出所述CORS站的位移向量;在所述CORS站的位移向量等于预设位移向量时,利用双线性插值算法计算出目标位移向量,并将所述目标位移向量确定为所述细化网格的位移向量。
进一步地,利用预设迭代算法,对所述细化网格的位移向量进行迭代处理,得到优化后的细化网格,包括:利用所述预设迭代算法,对所述细化网格的位移向量进行迭代处理,得到所述中间细化网格;利用所述预设迭代算法,对所述中间细化网格进行迭代处理,得到所述优化后的细化网格。
第二方面,本发明实施例提供了一种三维地壳形变模型的构建装置,包括:获取单元,拟合单元,精化单元和构建单元,其中,所述获取单元,用于获取目标区域内的第一目标数据,并基于所述第一目标数据构建多种时间尺度的时间序列,其中,所述第一目标数据包括:CORS站的GNSS载波相位观测值和CORS站的伪距观测值,所述时间序列用于表征CORS站随时间变化的位置坐标;所述拟合单元,用于利用非线性自回归模型算法,对所述多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列;所述精化单元,用于利用CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列;所述构建单元,基于所述最优时间序列,构建所述目标区域的三维地壳形变模型。
第三方面,本发明实施例还提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
第四方面,本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序。
在本发明实施例中,通过获取目标区域内的第一目标数据,并基于所述第一目标数据构建多种时间尺度的时间序列,其中,所述第一目标数据包括:CORS站的GNSS载波相位观测值和CORS站的伪距观测值,所述时间序列用于表征CORS站随时间变化的位置坐标;利用非线性自回归模型算法,对所述多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列;利用CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列;基于所述最优时间序列,构建所述目标区域的三维地壳形变模型,达到了降低不规则运动,影响提高模型拟合精度,建立高分辨率地壳形变场函数模型,通过提高CORS站的线性速率提取精度,精化地壳形变场函数模型与随机模型的目的,进而解决了现有三维地壳形变模型的时间分辨率和空间分辨率较低的技术问题,从而实现了提高了三维地壳形变模型的时间分辨率和空间分辨率的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种三维地壳形变模型的构建方法的流程图;
图2为本发明实施例提供的一种三维地壳形变模型的构建装置的示意图;
图3为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前地壳形变模型仍存在一些问题和不足,主要表现为以下三个方面:
1)地壳形变包括长时间尺度线性运动特征、较长时间尺度的(准)周期性变化特征,又包括短时间尺度、非线性非周期性动态变化特征,多种时间尺度模型如何进行定量比较、何种时间尺度模型能有效量化分析与提取地壳异常变化,仍需要在理论、方法,以及检验方法上进一步改进。
2)地壳运动与形变包括刚性运动、弹塑性变形等复杂形式,且构造不同,形变方式也存在较大差异。由于CORS站分布相对稀疏,地壳形变场模型整体精度相对较低,导致模型时间、空间分辨率不足。
针对上述问题,提出了以下实施例。
实施例一:
根据本发明实施例,提供了一种三维地壳形变模型的构建方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种三维地壳形变模型的构建方法的流程图,如图1所示,该三维地壳形变模型的构建方法包括如下步骤:
步骤S102,获取目标区域内的第一目标数据,并基于所述第一目标数据构建多种时间尺度的时间序列,其中,所述第一目标数据包括:CORS站的GNSS载波相位观测值和CORS站的伪距观测值,所述时间序列用于表征CORS站随时间变化的位置坐标;
步骤S104,利用非线性自回归模型算法,对所述多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列;
步骤S106,利用CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列;
步骤S108,基于所述最优时间序列,构建所述目标区域的三维地壳形变模型。
在本发明实施例中,通过获取目标区域内的第一目标数据,并基于所述第一目标数据构建多种时间尺度的时间序列,其中,所述第一目标数据包括:CORS站的GNSS载波相位观测值和CORS站的伪距观测值,所述时间序列用于表征CORS站随时间变化的位置坐标;利用非线性自回归模型算法,对所述多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列;利用CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列;基于所述最优时间序列,构建所述目标区域的三维地壳形变模型,达到了降低不规则运动,影响提高模型拟合精度,建立高分辨率地壳形变场函数模型,通过提高CORS站的线性速率提取精度,精化地壳形变场函数模型与随机模型的目的,进而解决了现有三维地壳形变模型的时间分辨率和空间分辨率较低的技术问题,从而实现了提高了三维地壳形变模型的时间分辨率和空间分辨率的技术效果。
在本发明实施例中,步骤S102包括如下步骤:
步骤S11,基于所述第一目标数据,计算出CORS站位置坐标的松弛解和精度信息;
步骤S12,基于所述松弛解,所述精度信息和IGS站点数据,构建所述多种时间尺度的时间序列。
由于IGS站点较少,且部分站点存在数据缺失现象,因此在区域基准站数据处理中,考虑引入基准站作为外部约束,分析区域基准站数据质量,通过GAMIT/GLOBK软件进行数据预处理,提取软件解算使用的观测数据类型,提高后续数据处理效率。
在本发明实施例中,利用每个CORS站每天的GNSS载波相位观测值和伪距观测值计算未知参数的松弛解及精度信息。采用“非基准方法”进行平差,对测站坐标松弛约束,进行类似于自由网平差的解算,得到自由网解成果。根据确定的外部基准框架点数据(即,IGS站点数据),得到最终解。将研究区所有CORS站数据处理结果统一在同一框架中,生成单天、周、月等多尺度时间序列。
在本发明实施例中,步骤S104包括如下步骤:
步骤S21,对所述多种时间尺度的时间序列进行预处理,得到多种时间尺度的中间时间序列,其中,所述预处理包括:粗差剔除处理,去噪处理和虚假非线性信号剔除处理;
步骤S22,利用非线性自回归模型算法,对所述多种时间尺度的中间时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列。
在本发明实施例中,时间序列预处理是时间序列数据分析和建模的重要前提,其预处理结果的好坏直接影响时间序列数据的统计分析与建模。主要包括:①粗差剔除,将观测数据质量差,明显是粗差的天数剔除。②噪声分析。时间序列中存在着一些与周围其他属性值相差较大的数据值,有可能就是噪声,选取适当的方法,从数据中去除。③虚假非线性信号分析。数据处理模型及策略的不完善有可能造成基准站虚假非线性信号,对处理结果要进行检核,防止虚假信号对建模影响。
地壳水平运动虽然受环境因素影响较小,但仍存在各类随机运动,导致CORS站时间序列呈非线性变化趋势。对于非线性时间序列:
y=f(x,β)+ε
其中,β为未知参量,x为时间函数,ε为随机误差。
由于非线性变化非常复杂,采用非线性优化技术(如Gauss2Newton法、Newton2Raphson法),初值选取有较强的依赖性,且往往得到的仅是局部最优解。为此,本项目引入非线性时间序列线性回归模型方法,考虑建立回归方程:
其中,w=(y,x)表示时序模型,x为模型参数,γ参数系数,ε为随机误差。
通过研究建立适应多种时间尺度的线性加权最优拟合方法,通过局部线性拟合,实现整体最优拟合。
通过调节时间“窗口”,可以得到适应不同时间尺度的最优线性拟合时间序列。
在本发明实施例中,步骤S106包括如下步骤:
步骤S31,基于所述CORS站的最优线性拟合时间序列,计算出所述CORS站的共模误差,并从所述最优线性拟合时间序列中剔除出所述共模误差,得到剔除处理后的最优线性拟合时间序列;
步骤S32,利用环境负荷模型,分离出所述剔除处理后的最优线性拟合时间序列中的第二目标数据,将所述第二目标数据确定为所述CORS站的残差时序,其中,所述第二目标数据包括:周期性数据和可模型化数据;
步骤S33,利用精化负荷形变场,剔除所述CORS站的残差时序中的负荷非线性数据,并对完成剔除的残差时序进行重构,得到所述CORS站的最优时间序列。
在本发明实施例中,首先,基于最优线性拟合时间序列,对目标区域内的CORS站点共模误差进行分析,提取与剔除共模误差。由CORS站坐标时间序列构成一个m×n的矩阵C=WΛcWT,其中,m为区域CORS站网观测天数,n为CORS站个数,共模误差bij可定义为:
其中,X(tk,xj)为正交函数基展开矩阵。
然后,利用水文、大气等负荷模型,分离剔除处理后的最优线性拟合时间序列中的周期性数据和可模型化数据,将周期性数据和可模型化数据确定为CORS站的残差时序。
最后,利用经过环境负荷改正的CORS站网残差时序,以及精化负荷形变场,进一步分离框架点负荷非线性影响,开展参数估计,得到CORS站的最优时间序列。
根据区域地质特征与实际需求,分别恢复不同时间尺度CORS站的最优时间序列的线性、(准)周期性、非线性非周期性,以及随机不规则运动拟合模型,对比CORS站的最优时间序列,对模型进行精度评定,定量分析有效时间分辨率与空间分辨率。
CORS站的最优时间序列:
y(ti)=a+bti+csin(2πti)+dcos(2πti)+esin(4πti)+fcos(4πti)
其中,y表示时序,a+bti表示线性趋势项,csin(2πti)+dcos(2πti)+esin(4πti)+fcos(4πti)表示时序中不同周期的非线性项。
经过重构后得到的CORS站的最优时间序列,实现了非线性运动的模型化,从而减小非模型化误差影响,提高模型精度。
在本发明实施例中,步骤S108包括如下步骤:
步骤S41,基于所述CORS站的最优时间序列,确定出所述目标区域内的目标CORS站,其中,所述目标CORS站的最优时间序列中任意相邻的两个数据之间的差值小于预设阈值;
步骤S42,基于所述目标CORS站构建初始网格,并利用双线性插值算法和所述CORS站的最优时间序列,得到细化网格的位移向量,其中,一个目标CORS站对应一个初始网格;
步骤S43,利用预设迭代算法,对所述细化网格的位移向量进行迭代处理,得到优化后的细化网格;
步骤S44,利用所述优化后的细化网格和预设非线性变化约束条件,构建所述目标区域的三维地壳形变模型。
在本发明实施例中,由于CORS站分布的离散型和不均匀性,且站点运动具有一定随机性,建模之前,首先需要在顾及构造特征基础上,选取一组稳定的站点(即,目标CORS站),运动趋势相对一致,分布相对均匀。可选用监督分类法、拟准检定法等对站点进行优选。
然后,拓展三维地壳形变模型的空间分辨率的具体过程如下:
以CORS站分布作为初始网格,一个目标CORS站对应一个初始网格,在初始网格的位移向量uk-1后,通过双线性插值算子可以得到细化网格下的位移向量uk。定义双线性插值算子:
前光滑过程:
细化网格的方程组{Kk}u(t+Δt)={Qt+Δt}
这里,{Qt+Δt}表示t+Δt时刻k层网格的有效荷载。在同一时刻,无论是粗网格还是细化网格,其有效荷载是相同的。以双线性插值算子得到的位移向量uk作为初始值进行迭代计算,可以得到方程的解。事实上,由于uk是细化网格下较好的近似解,因此,在实际计算中只需进行少数几次迭代。可以采用多种迭代方法,本发明实施例采用的是高斯-赛德尔迭代方法。
粗网格修正过程如下式:
为使结果更加真实可靠,初始网格位移必须相对精确,使用长期观测的GPS观测站观测结果检核初始网格节点位移。
由于在活动块体空间尺度的研究中,存在整体刚性旋转、整体应变、边界带局部形变等特征,且随时间变化,形变存在一定差异。
为此,本发明实施例引入非线性变化约束,对长期形变、短期形变分别进行约束,包括整体刚性运动和弹塑性形变、局部形变的函数模型精化方法。本发明实施例提出新的模型表达形式。
最后,还可以通过均值和方差,分析构建的不同尺度模型无偏性和有效性。基于目标区域的三维地壳形变模型与实测站点运动速率的差值方差,分析随着目标区域的三维地壳形变模型空间分辨率提高,方差变化,一次检核模型满足精度需求的最大空间分辨率。
本发明实施例基于密集分布的区域CORS站网构建的三维地壳形变模型,定量对地壳形变场模型进行精化,包括CORS站非线性改正模型、区域站坐标归算、模型站点优选、函数模型与随机模型优化等问题,模型可以通过不多时间尺度模型对比,实现异常场精确提取,从而提高模型的精度、时空分辨率,以及模型的可用性和适用性。
实施例二:
本发明实施例还提供了一种三维地壳形变模型的构建装置,该三维地壳形变模型的构建装置用于执行本发明实施例上述内容所提供的三维地壳形变模型的构建方法,以下是本发明实施例提供的三维地壳形变模型的构建装置的具体介绍。
如图2所示,图2为上述三维地壳形变模型的构建装置的示意图,该三维地壳形变模型的构建装置包括:获取单元10,拟合单元20,精化单元30和构建单元40。
所述获取单元10,用于获取目标区域内的第一目标数据,并基于所述第一目标数据构建多种时间尺度的时间序列,其中,所述第一目标数据包括:CORS站的GNSS载波相位观测值和CORS站的伪距观测值,所述时间序列用于表征CORS站随时间变化的位置坐标;
所述拟合单元20,用于利用非线性自回归模型算法,对所述多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列;
所述精化单元30,用于利用CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列;
所述构建单元40,基于所述最优时间序列,构建所述目标区域的三维地壳形变模型。
在本发明实施例中,通过获取目标区域内的第一目标数据,并基于所述第一目标数据构建多种时间尺度的时间序列,其中,所述第一目标数据包括:CORS站的GNSS载波相位观测值和CORS站的伪距观测值,所述时间序列用于表征CORS站随时间变化的位置坐标;利用非线性自回归模型算法,对所述多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列;利用CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列;基于所述最优时间序列,构建所述目标区域的三维地壳形变模型,达到了降低不规则运动,影响提高模型拟合精度,建立高分辨率地壳形变场函数模型,通过提高CORS站的线性速率提取精度,精化地壳形变场函数模型与随机模型的目的,进而解决了现有三维地壳形变模型的时间分辨率和空间分辨率较低的技术问题,从而实现了提高了三维地壳形变模型的时间分辨率和空间分辨率的技术效果。
实施例三:
本发明实施例还提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储支持处理器执行上述实施例一中所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
参见图3,本发明实施例还提供一种电子设备100,包括:处理器50,存储器51,总线52和通信接口53,所述处理器50、通信接口53和存储器51通过总线52连接;处理器50用于执行存储器51中存储的可执行模块,例如计算机程序。
其中,存储器51可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口53(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线52可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器51用于存储程序,所述处理器50在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中,或者由处理器50实现。
处理器50可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51,处理器50读取存储器51中的信息,结合其硬件完成上述方法的步骤。
实施例四:
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例一中所述方法的步骤。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种三维地壳形变模型的构建方法,其特征在于,包括:
获取目标区域内的第一目标数据,并基于所述第一目标数据构建多种时间尺度的时间序列,其中,所述第一目标数据包括:CORS站的GNSS载波相位观测值和CORS站的伪距观测值,所述时间序列用于表征CORS站随时间变化的位置坐标;
利用非线性自回归模型算法,对所述多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列;
利用所述CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列;
基于所述最优时间序列,构建所述目标区域的三维地壳形变模型。
2.根据权利要求1所述的方法,其特征在于,基于所述第一目标数据构建多种时间尺度的时间序列,包括:
基于所述第一目标数据,计算出CORS站位置坐标的松弛解和精度信息;
基于所述松弛解,所述精度信息和IGS站点数据,构建所述多种时间尺度的时间序列。
3.根据权利要求1所述的方法,其特征在于,利用非线性自回归模型算法,对所述多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列,包括:
对所述多种时间尺度的时间序列进行预处理,得到多种时间尺度的中间时间序列,其中,所述预处理包括:粗差剔除处理,去噪处理和虚假非线性信号剔除处理;
利用非线性自回归模型算法,对所述多种时间尺度的中间时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列。
4.根据权利要求1所述的方法,其特征在于,利用CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列,包括:
基于所述CORS站的最优线性拟合时间序列,计算出所述CORS站的共模误差,并从所述最优线性拟合时间序列中剔除出所述共模误差,得到剔除处理后的最优线性拟合时间序列;
利用环境负荷模型,分离出所述剔除处理后的最优线性拟合时间序列中的第二目标数据,将所述第二目标数据确定为所述CORS站的残差时序,其中,所述第二目标数据包括:周期性数据和可模型化数据;
利用精化负荷形变场,剔除所述CORS站的残差时序中的负荷非线性数据,并对完成剔除的残差时序进行重构,得到所述CORS站的最优时间序列。
5.根据权利要求1所述的方法,其特征在于,基于所述最优时间序列,构建所述目标区域的三维地壳形变模型,包括:
基于所述CORS站的最优时间序列,确定出所述目标区域内的目标CORS站,其中,所述目标CORS站的最优时间序列中任意相邻的两个数据之间的差值小于预设阈值;
基于所述目标CORS站构建初始网格,并利用双线性插值算法和所述CORS站的最优时间序列,得到细化网格的位移向量,其中,一个目标CORS站对应一个初始网格;
利用预设迭代算法,对所述细化网格的位移向量进行迭代处理,得到优化后的细化网格;
利用所述优化后的细化网格和预设非线性变化约束条件,构建所述目标区域的三维地壳形变模型。
6.根据权利要求5所述的方法,其特征在于,利用双线性插值算法和所述CORS站的最优时间序列,得到细化网格的位移向量,包括:
基于所述CORS站的最优时间序列,确定出所述CORS站的位移向量;
在所述CORS站的位移向量等于预设位移向量时,利用双线性插值算法计算出目标位移向量,并将所述目标位移向量确定为所述细化网格的位移向量。
7.根据权利要求6所述的方法,其特征在于,利用预设迭代算法,对所述细化网格的位移向量进行迭代处理,得到优化后的细化网格,包括:
利用所述预设迭代算法,对所述细化网格的位移向量进行迭代处理,得到中间细化网格;
利用所述预设迭代算法,对所述中间细化网格进行迭代处理,得到所述优化后的细化网格。
8.一种三维地壳形变模型的构建装置,其特征在于,包括:获取单元,拟合单元,精化单元和构建单元,其中,
所述获取单元,用于获取目标区域内的第一目标数据,并基于所述第一目标数据构建多种时间尺度的时间序列,其中,所述第一目标数据包括:CORS站的GNSS载波相位观测值和CORS站的伪距观测值,所述时间序列用于表征CORS站随时间变化的位置坐标;
所述拟合单元,用于利用非线性自回归模型算法,对所述多种时间尺度的时间序列进行最优拟合,得到CORS站的最优线性拟合时间序列;
所述精化单元,用于利用CORS站的最优线性拟合时间序列,对CORS站的三维地壳形变场函数模型进行精化处理,得到CORS站的最优时间序列;
所述构建单元,基于所述最优时间序列,构建所述目标区域的三维地壳形变模型。
9.一种电子设备,其特征在于,包括存储器以及处理器,所述存储器用于存储支持处理器执行权利要求1至7任一项所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
10.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特征在于,计算机程序被处理器运行时执行上述权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111598092.4A CN114332389B (zh) | 2021-12-24 | 2021-12-24 | 一种三维地壳形变模型的构建方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111598092.4A CN114332389B (zh) | 2021-12-24 | 2021-12-24 | 一种三维地壳形变模型的构建方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114332389A true CN114332389A (zh) | 2022-04-12 |
CN114332389B CN114332389B (zh) | 2022-11-08 |
Family
ID=81013451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111598092.4A Active CN114332389B (zh) | 2021-12-24 | 2021-12-24 | 一种三维地壳形变模型的构建方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332389B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392414A (zh) * | 2014-11-04 | 2015-03-04 | 河海大学 | 一种区域cors坐标时间序列噪声模型的建立方法 |
CN109188466A (zh) * | 2018-09-29 | 2019-01-11 | 华东交通大学 | 一种顾及非线性变化的gnss基准站地壳运动速度场估计方法 |
CN110069868A (zh) * | 2019-04-26 | 2019-07-30 | 中国人民解放军战略支援部队信息工程大学 | Gnss测站非线性运动建模方法与装置 |
CN111722250A (zh) * | 2020-04-28 | 2020-09-29 | 武汉大学 | 基于gnss时间序列的地壳形变影像共模误差提取方法 |
CN112131752A (zh) * | 2020-09-29 | 2020-12-25 | 长安大学 | 一种基于拟准检定的超强崩溃污染率抗差估计算法 |
CN112233232A (zh) * | 2019-09-30 | 2021-01-15 | 河南理工大学 | 一种基于单轨InSAR观测的三维地壳形变转换方法 |
CN112799101A (zh) * | 2021-01-29 | 2021-05-14 | 华东师范大学 | 一种构建gnss区域大地参考框架的方法 |
CN113324530A (zh) * | 2021-04-21 | 2021-08-31 | 中铁第一勘察设计院集团有限公司 | 高海拔大高差广区域铁路高精度空间基准维持方法 |
CN113496083A (zh) * | 2021-04-13 | 2021-10-12 | 中国地震局地震预测研究所 | 一种gps流动站垂向速度场优化方法及装置 |
CN113792450A (zh) * | 2021-08-16 | 2021-12-14 | 中国空间技术研究院 | 基于机器学习负载模型提高陆地水储量反演准确性的方法 |
-
2021
- 2021-12-24 CN CN202111598092.4A patent/CN114332389B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392414A (zh) * | 2014-11-04 | 2015-03-04 | 河海大学 | 一种区域cors坐标时间序列噪声模型的建立方法 |
CN109188466A (zh) * | 2018-09-29 | 2019-01-11 | 华东交通大学 | 一种顾及非线性变化的gnss基准站地壳运动速度场估计方法 |
CN110069868A (zh) * | 2019-04-26 | 2019-07-30 | 中国人民解放军战略支援部队信息工程大学 | Gnss测站非线性运动建模方法与装置 |
CN112233232A (zh) * | 2019-09-30 | 2021-01-15 | 河南理工大学 | 一种基于单轨InSAR观测的三维地壳形变转换方法 |
CN111722250A (zh) * | 2020-04-28 | 2020-09-29 | 武汉大学 | 基于gnss时间序列的地壳形变影像共模误差提取方法 |
CN112131752A (zh) * | 2020-09-29 | 2020-12-25 | 长安大学 | 一种基于拟准检定的超强崩溃污染率抗差估计算法 |
CN112799101A (zh) * | 2021-01-29 | 2021-05-14 | 华东师范大学 | 一种构建gnss区域大地参考框架的方法 |
CN113496083A (zh) * | 2021-04-13 | 2021-10-12 | 中国地震局地震预测研究所 | 一种gps流动站垂向速度场优化方法及装置 |
CN113324530A (zh) * | 2021-04-21 | 2021-08-31 | 中铁第一勘察设计院集团有限公司 | 高海拔大高差广区域铁路高精度空间基准维持方法 |
CN113792450A (zh) * | 2021-08-16 | 2021-12-14 | 中国空间技术研究院 | 基于机器学习负载模型提高陆地水储量反演准确性的方法 |
Non-Patent Citations (3)
Title |
---|
WEI WANG等: "《Monitoring of the temporal and spatial variation of groundwater storage in the Three Gorges area based on the CORS network》", 《JOURNAL OF APPLIED GEOPHYSICS》 * |
毛卫华等: "《利用CORS站网监测温州一丽水区域环境负荷对地壳垂直形变和重力变化的影响》", 《武汉大学学报》 * |
章传银等: "《CORS网区域重力场变化与地面稳定性跟踪监测方法》", 《测绘科学》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114332389B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mao et al. | Stochastic bias correction of dynamically downscaled precipitation fields for Germany through Copula-based integration of gridded observation data | |
Chen et al. | Stochastic generation of daily precipitation amounts: review and evaluation of different models | |
Gomez-Navarro et al. | Establishing the skill of climate field reconstruction techniques for precipitation with pseudoproxy experiments | |
CN109238227A (zh) | 一种表征地面沉降时空演变的方法 | |
CN114253962B (zh) | 一种考虑非线性因素的区域格网速度场构建方法及系统 | |
Cheng et al. | Observation data compression for variational assimilation of dynamical systems | |
Kuhn et al. | A benchmark for evaluating FTLE computations | |
CN112556660A (zh) | 基于卫星测高数据的海域重力异常反演方法及系统 | |
CN111611541B (zh) | 基于Copula函数的无资料地区降水数据推求方法及系统 | |
CN107247690A (zh) | 估算气温的方法及服务终端 | |
CN112699951A (zh) | 降水数据融合方法、装置、终端设备及可读存储介质 | |
CN114332389B (zh) | 一种三维地壳形变模型的构建方法和装置 | |
KR101463493B1 (ko) | 추계학적 태풍모의를 적용한 전지구 기후모델의 보완방법 | |
CN113607321A (zh) | 索结构的索力测试方法、装置、计算机设备和存储介质 | |
Ran et al. | A truncated nuclear norm regularization model for signal extraction from GNSS coordinate time series | |
CN116796649A (zh) | 一种基于机器学习的spei粗分辨率数据空间降尺度方法及装置 | |
Zucchini et al. | A Web‐based rainfall atlas for Southern Africa | |
CN113723006B (zh) | 一种基于ls-svm的单台站地球变化磁场建模预测方法及系统 | |
CN113268869B (zh) | 地球表层质量变化监测方法及系统 | |
CN113159426A (zh) | 天气型相似性判断方法、装置、电子设备及可读存储介质 | |
Joud et al. | Post-glacial land uplift rate in fennoscandia and laurentia determined by GRACE data | |
CN112163331A (zh) | 一种配网线路易损性计算方法及相关装置 | |
Fukumori | What is data assimilation really solving, and how is the calculation actually done? | |
Hebeler et al. | 14 Modeling DEM Data Uncertainties for Monte Carlo Simulations of Ice Sheet Models | |
Lee et al. | Latent negative precipitation for the delineation of a zero-precipitation area in spatial interpolations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |