幾種不同CORS站點形變監(jiān)測數據提取方法比對分析

鄒洋，易鴻杰（宜昌市測繪大隊，湖北宜昌 443000）

幾種不同CORS站點形變監(jiān)測數據提取方法比對分析

鄒洋?，易鴻杰
（宜昌市測繪大隊，湖北宜昌 443000）

目前，國內外有諸多地方建立的CORS系統(tǒng)，受周圍環(huán)境及人為因素影響，CORS站網參考點會產生微弱形變，進而影響CORS系統(tǒng)的穩(wěn)定性，故需對站點坐標進行形變監(jiān)測。本文針對某CORS站點利用GAMITL/GLOBK軟件計算得到站點坐標的原始時間序列，并采用Kalman、BP這兩種方法進行濾波對比分析，結果表明兩種種方法都有效地剔除了一定量的噪聲，使站點NEU三個方向上的坐標趨勢更加顯現(xiàn)，尤其是在選定合適的狀態(tài)噪聲矩陣后kalman方法要優(yōu)于BP方法，這對于提取站點的形變數據起到了一定的有效作用。

CORS站點；形變監(jiān)測；卡爾曼濾波；BP神經網絡；時間序列

1 引 言

連續(xù)運行參考站（Continuously Operating Reference Stations，CORS）系統(tǒng)，也稱連續(xù)運行衛(wèi)星定位服務系統(tǒng)，是利用GPS衛(wèi)星導航定位、計算機、數據通信和互聯(lián)網絡（LAN/WAN）等技術，在一個城市、一個地區(qū)或一個國家，根據需求按一定距離建立常年連續(xù)運行地面GPS基準站的系統(tǒng)。近年來，隨著CORS系統(tǒng)在我國各省市的建立［1］，有些站點建立時間較早，對于CORS系統(tǒng)基準站的坐標形變監(jiān)測分析也顯得尤為重要，一旦建筑物發(fā)生位移或變形，勢必影響整個CORS系統(tǒng)參考框架的穩(wěn)定性［2］。目前對CORS站點的穩(wěn)定性分析方法［3］中常用的有BP神經網絡［4］、卡爾曼濾波［6］等方法，本文分別利用兩種方法對站點形變進行分析，通過對比，比較兩種方法的優(yōu)勢和不足。

2 卡爾曼濾波

卡爾曼濾波模型狀態(tài)方程和觀測方程分別為:

式中:Xk+1和Lk+1分別為tk+1時刻的狀態(tài)向量和觀測向量，Φk+1為tk時刻至tk+1時刻的狀態(tài)轉移矩陣，Bk+1為觀測矩陣，Γk+1為動態(tài)噪聲矩陣，Ωk和△k+1分別為動態(tài)噪聲和觀測噪聲?？柭鼮V波模型的隨機模型為:

由式（1）和式（2）可推出卡爾曼濾波方程為:

3 BP神經網絡

誤差逆?zhèn)鞑ニ惴ǖ纳窠浘W絡（Back-Propagation Neural Network，BPNN）的網絡結構一般由輸入層、隱含層和輸出層組成［4］，如圖1所示，其主要計算步驟:

? 收稿日期:2015—12—14

作者簡介:鄒洋（1988—），男，助理工程師，主要從事城市測量工作。

（1）初始化網絡權值W和閾值θ，取小的一個隨機數W∈［-1，1］且θ∈［-1，1］

（2）取一學習樣本作為輸入向量（Xk，Dk），其中k∈｛1，2，…N｝，N為學習樣本數。

（3）計算隱含層節(jié)點i的輸出向量OIi:

（4）計算輸出層節(jié)點j的輸出向量yj:

（5）計算輸出層節(jié)點j的誤差:

根據平方誤差函數:

E小于誤差上限值，直接計算式（6），否則計算式（5）。

（6）計算調整權值:

（7）判斷學習樣本是否滿足目標輸出，滿足則停止學習。

4 實例分析

對某地3個CORS站點2008年～2013年的數據進行分析，并與中國境內與周邊的IGS跟蹤站進行同步解算。

首先采用GAMIT/GLOBK軟件對這6年的數據進行解算，獲取原始的時間序列，GAMIT/GLOBK軟件設置，如表1所示。

GAMIT/GLOBCK軟件設置 表1

通過GLOBK軟件進行平差后得到全球框架瞬時歷元下的坐標序列［3，7］，由于三維坐標不便于分析站點在平面和高程方向上的形變，故轉換為在各自時間序列中間歷元坐標的站星坐標系下NEU值，各站點的總變化量，如表2所示。由于篇幅限制只對一個站點的原始時間序列進行圖形顯示分析，如圖2所示。

3個站點在全球坐標框架下NEU三個方向上的總位移量/m 表2

圖2　 CORS1站點原始時間序列

由圖2，雖然可以看到各個坐標分量的形變趨勢，但是包含著大量的噪聲。

4.1 BP神經網絡分析

利用MATLAB軟件對原始數據進行BP神經網絡分析，其中3個系數分別取5，5，2。結果如圖3所示。

圖3　CORS1站點BP時間序列

由圖上可以看到，BP方法有效去除了噪聲，但是在高程方向有點失真。

4.2 Kalman濾波法分析

利用MATLAB軟件對原始數據進行卡爾曼濾波法分析，其中狀態(tài)轉移噪聲矩陣值分別取1 mm ×1 mm與 0.5 mm×0.5 mm，濾波后的效果圖，如圖4、圖5所示。

圖4　CORS1站點Kalman時間序列（1 mm）

圖5　CORS1站點Kalman時間序列（0.5 mm）

由圖4和圖5，可以看到卡爾曼濾波法能夠有效剔出噪聲，并且效果要比BP法更加有效。

另外卡爾曼濾波中狀態(tài)噪聲的取值不同也會影響濾波效果，可以明顯地看到采用 0.5 mm×0.5 mm的要優(yōu)于 1 mm×1 mm的。本次試驗中 0.5 mm×0.5 mm是根據一年的變化量除365天，分析出大概的一天變化量，并取兩倍左右設為轉移噪聲，在不同的形變分析中，改值根據實際情況而設定。

5 結 論

通過對數據的分析，得到以下幾個結論:

由于地面沉降、板塊運動、潮汐等原因對建站較早的CORS站點產生了一定的形變，故需要對其采用一定的方法進行時間序列分析提取有效的變形量。

采用卡爾曼濾波方法能比BP神經網絡方法更有效地剔除噪聲，便于提取真實變形量。

在進行卡爾曼濾波法的過程中，不同狀態(tài)轉移噪聲會產生不同的濾波效果，該噪聲值需要根據實際情況來設定。

［1］劉經南，劉暉，鄒蓉等.建立全國CORS更新國家地心動態(tài)參考框架的幾點思考［J］.武漢大學學報·信息科學版，2009，34（11）：1261～1265.

［2］李江衛(wèi)，劉經南，肖建華等.CORS系統(tǒng)穩(wěn)定性監(jiān)測數據處理與分析研究［J］.武漢大學學報·信息科學版，2010，35（7）：825～829.

［3］張旭東，蔡元波，韓紅超.基于GAMIT數據解算的CORS站穩(wěn)定性監(jiān)測研究［J］.地理空間信息，2011，9（2）：38～42.

［4］趙剛，張思慧，張恒璟等.基于RBF及濾波神經網絡對參考站高程時間序列分析［J］.大地測量與地球動力學，2013（5）.

［5］吳繼忠.GPS觀測數據的小波閾值法消噪［J］.大地測量與地球動力學，2009，29（4）：79～82.

［6］黃士紅，朱延華.基于卡爾曼濾波理論預測SISE的算法研究［J］.科技信息，2011（9）.

［7］丁曉光，韓曉飛，蘇利娜等.陜西省GNSS連續(xù)觀測系統(tǒng)建設與應用［J］.防震減災學報，2013，29（4）：6～10.

Application Research on of Deformation Monitoring of CORS Sites by Kalman and BP

Zou yang，Yi Hongjie
（Yichang Surveying and Mapping Team，Yichang 443000，China）

At present，there are plenty of places at home and abroad to establish a system of CORS，some sites time early，must to deformation monitoring of site coordinates，based on a certain CORS site using GAMITL/GLOBK software to calculate the coordinates of the original time series，and USES the Kalman filtering，BP both methods to contrast analysis，the results show that both methods are effectively eliminated a certain amount of noise，the coordinates of three directions in NEU site trend more apparent，especially in the selected appropriate state noise matrix after Kalman method is superior to the BP method，for the deformation data extraction site has played a certain role effectively.

CORS site；deformation monitoring；Kalman filter；BP；time series

1672-8262（2016）02-119-03中圖分類號：P228

B