利用BFAST算法分析GPS時間序列.pdf

1、隨著GPS科技的發(fā)展，以及全球連續(xù)運行觀測站網(wǎng)絡不斷完善，定位精度不斷提高，GPS技術已在越來越多的領域發(fā)揮著重要的作用。目前，連續(xù)運行參考站已經(jīng)累積了幾年甚至幾十年的觀測資料，研究長時間的GPS坐標時間序列，可獲取板塊運動規(guī)律、地表沉降、地球振蕩周期變化等信息。但GPS時間序列中的跳躍點會干擾分析結果，嚴重影響GPS時間序列中提取的構造及非構造運動信號的精度。特別是由未知原因引起的跳躍點，由于其量級小，常常被當作噪聲處理，且目前缺乏有

2、效的探測方法。雖然手動探測的方法能較準確地探測出量級及較小的GPS時間序列跳躍點，但隨著GPS時間序列數(shù)據(jù)長度和站點數(shù)量不斷增加，手動探測方法的效率將大大降低。因此，尋求合適的自動化探測方法對于GPS時間序列分析具有一定的必要性。
　　BFAST(全稱為Breaks For Additive Season and Trend)算法通過探測跳躍點，自動地將時間序列分解成趨勢項、季節(jié)項以及殘差項。該算法用于GPS時間序列分析長期趨勢和

3、季節(jié)項時，需顧及GPS時間序列兩方面的特性:1、利用GPS時間序列分析長期趨勢是基于跳躍點前后的速率保持不變的前提條件;2、GPS時間序列中少有季節(jié)項中存在跳躍點的情況。因此本論文中假定GPS時間序列中不存在季節(jié)項跳躍點，并基于GPS時間序列特性將BFAST算法進行約束，使BFAST算法基于跳躍點擬合的趨勢項斜率保持一致。
　　本文通過模擬的GPS時間序列來檢驗BFAST算法的可行性。根據(jù)中國陸態(tài)網(wǎng)GPS時間序列中的噪聲量級、季節(jié)

4、項振幅模擬GPS時間序列，在不同位置加入不同量級的跳躍點，并利用蒙特卡羅方法統(tǒng)計準則來檢驗BFAST算法的可行性。結果表明:加入約束條件的BFAST算法能較好地探測出模擬的GPS時間序列中的跳躍點、擬合線性趨勢項及季節(jié)項。并且該算法探測跳躍點的準確度隨著跳躍點的量級增加而提高，擬合出模擬的GPS時間序列的趨勢項、季節(jié)項的精度隨信噪比增加而提高。
　　然后，將BFAST算法用于中國大陸構造環(huán)境監(jiān)測網(wǎng)絡GPS時間序列分析，并將分析結果

5、與中國大陸構造環(huán)境監(jiān)測網(wǎng)絡給出的跳躍點、趨勢以及周期參數(shù)進行對比分析。結果表明，BFAST擬合季節(jié)項周年振幅和半周年偏差都小于2mm。由此可見，該算法對于季節(jié)項的估計精度較高;BFAST算法探測跳躍點的量級服從正態(tài)分布，滿足跳躍點在時間序列中的分布規(guī)律;取5％-95％置信區(qū)間作為該算法擬合速率項與中國陸態(tài)網(wǎng)給定速率偏差正確值區(qū)間，N、E、U三個方向的最大偏差值分別為1.45mm/yr、2.38mm/yr、3.63mm/yr，與中國陸態(tài)網(wǎng)