周 巍 , 田 亮 , 王 強 , 喬亞明
(1. 西安測繪總站,陜西 西安 710054)
中國大陸構造環境監測網絡(簡稱陸態網絡)二期工程于2012年正式投入使用,包括基準網、區域網、數據系統3大部分。其中基準網是陸態網絡的主干框架,由260個CORS站組成。CORS站的建成為我國不斷精化CGCS2000坐標框架提供了重要的數據來源[1],基于陸態網絡基準站的相關研究也逐步成為研究的熱點[2-4]。目前絕大部分CORS站觀測時間較短,數據質量和穩定性相比國際IGS站還存在相當大的差距。為了更好地監測陸態網絡基準站的穩定性,本文嘗試采用部分CORS站觀測時間序列進行建模擬合預報,并將預報值與實測數據進行比較分析,為用戶選擇使用CORS站提供參考。
陸態網基準站整體分布比較均勻。本文隨機選取北京房山、長春、廣州、瀘州、武漢等20個基準站2012年8月至9月連續觀測數據進行分析預報。具體測站情況如表1所示。

表1 基準站概略位置匯總
數據預處理采用GAMIT(10.40版)/GLOBK數據處理軟件[5],處理流程如圖1。

圖1 GAMIT/GLOBK軟件數據處理流程
基準站觀測時間序列預報模型選用經典的自回歸移動平均模型(ARMA模型)[6],其定義如下:
其中,{εt}~WN(0, σ2),(p,q)為模型的階數,p,q ≥ 0為整數, {Xt}~ARMA(p,q)。
由于AMRA模型要求所處理的時間序列必須為平穩時間序列,但實際CORS站在觀測時往往受各種外界因素的影響,導致測站時間序列包含了各種非平穩的趨勢項以及周期項。因此,在建立時間序列模型時首先采用差分辦法來剔除其中的非平穩因素,然后再建立ARMA模型。這種基于差分后的ARMA模型又稱整合自回歸移動平均模型[7],簡稱ARIMA模型, {Xt}~ARIMA(p,d,q)。

CORS站觀測時間序列經GAMIT/GLOBK軟件處理后,運用ARIMA模型進行建模擬合預報,各CORS站建模參數如表2所示。
CORS站觀測時間序列經ARIMA模型擬合后,可以實現對時間序列的預報功能,如表3所示。
統計顯示,所有測站均經過一階差分(主要剔除板塊速度場的趨勢性影響)才轉化為平穩序列。運用CORS站30 d左右觀測數據(08-02~08-31)預報未來3 d(09-01~09-03)的測站XYZ坐標差值,見表3。從統計的所有CORS站差值不難發現:①ARIMA模型建模效果比較理想,對于整體測站觀測時間序列的擬合精度都達到cm量級,可見該經典模型對于處理測站觀測時間序列是行之有效的;②所有CORS站時間序列預報差值最大值為9.42 cm,絕大部分差值(約70%)控制在5 cm以內??梢姳疚倪x取的這些測站在2012年8、9月份觀測整體是穩定的。另外,我們可以通過設定閾值達到監測穩定性的目的。如果CORS站實際觀測值與預報擬合值出現較大偏差,則說明CORS站周邊環境發生較大變化或者觀測設備出現變故。具體閾值大小必須具體分析。

表2 ARIMA建模階數統計

表3 CORS站預報3 d實際觀測值與預測值差值表
陸態網絡CORS站觀測是不斷精化和維持CGCS2000坐標框架的重要數據來源,如何不斷提高CORS站的觀測精度和穩定性是面臨的首要問題[8]。本文從時間序列分析的角度出發,利用經典時間序列分析模型對20個CORS站1個月的觀測數據進行了建模擬合預報,實際觀測值與預報差值的統計結果初步驗證了建模預報的有效性。下一步工作需要從三個方面著手:①不斷完善ARIMA模型,從而更加適應CORS站觀測時間序列分析;②通過大量實驗研究閾值的設定環境和設定辦法;③根據CORS站預報值解算該站點的最優坐標值。
[1]李靖. “陸態網絡”基準站的點位變化特性分析[D]. 鄭州:信息工程大學,2013
[2]顧國華,張晶.中國地殼運動觀測網絡基準站GPS觀測的位移時間序列結果[J].大地測量與地球動力學,2002,22(2):61-67
[3]楊國華,張風霜,武艷強,等.GPS基準站坐標分量噪聲的時間序列與分類特征[J].國際地震動態,2007(7):80-85
[4]張鵬,蔣志浩,秘金鐘,等.我國基準站數據處理與時間序列特征分析[J].武漢大學學報:信息科學版,2007(3):251-254
[5]趙建三,楊創,聞德保.利用GAMIT進行高精度GPS基線解算的方法及精度分析[J].測繪通報,2011(8):5-8
[6]王振龍,胡永宏.應用時間序列分析[M].北京:科學出版社,2007
[7]田亮,孫付平.基于GPS測站坐標殘差序列的ARMA建模方法研究[J].大地測量與地球動力學,2012,32(2):124-127
[8]符養.中國大陸現今地殼形變與GPS坐標時間序列分析[D].北京:中國科學院研究生院,2002