[发明专利]CGCS2000框架站点非线性运动模型的构建方法

权利要求书

1.一种CGCS2000框架站点非线性运动模型的构建方法，其特征在于，包括以下步骤：

S1，采用基于奇异谱分析的时间序列粗差探测SSA-IQR和时间序列缺失值插补SSA-M方法对CGCS2000框架站点日解时间序列进行预处理，得到干净、完整的框架站点时间序列；

S2，对预处理后的所述框架站点时间序列进行奇异谱分解，得到站点时间序列三个不同方向上的主成分分量，结合最大熵方法、非参检验以及振荡对识别方法，对站点时间序列进行信噪分离，提取出有用信号，然后对站点进行动态特性分析；

S3，采用基于奇异谱分析方法的时间序列预测方法，对提取出的所述有用信号进行站点位置预测，基于预测结果建模，得到CGCS2000框架站点非线性运动模型。

2.根据权利要求1所述的CGCS2000框架站点非线性运动模型的构建方法，其特征在于，S1具体包括以下步骤：

S11，对所述日解时间序列进行探测分析，标记站点时间序列中缺失值的位置；

S12，采用SSA-M迭代-交叉验证方法，估计得到最佳的嵌入维数M和最佳的重构阶次P；以所述嵌入维数M和所述重构阶次P作为模型参数，构建得到高精度模型；

S13，利用所述高精度模型，结合SSA-IQR准则，探测所述日解时间序列的粗差值并剔除，将所述粗差值标记为缺失值；

S14，利用SSA-M对S11探测得到的缺失值和S13标记的缺失值进行缺失值插补，得到插补后的时间序列；

S15，对S14得到的所述时间序列重复探测，如果探测到缺失值或粗差值，则重复S11-S14，直到探测不到缺失值或粗差值为止，最终得到干净、完整的框架站点时间序列。

3.根据权利要求1所述的CGCS2000框架站点非线性运动模型的构建方法，其特征在于，S2具体包括以下步骤：

S21，对预处理后的所述框架站点时间序列进行伪数据-奇异谱分解，得到站点时间序列三个不同方向上的主成分分量；

S22，采用非参检验法识别各方向主成分分量的趋势项；采用振荡对识别方法和最大熵方法识别各方向主成分分量的震荡项；

S23，线性叠加识别出的所述趋势项和所述震荡项，重构得到所述有用信号。

4.根据权利要求3所述的CGCS2000框架站点非线性运动模型的构建方法，其特征在于，S21中，对预处理后的所述框架站点时间序列进行伪数据-奇异谱分解，具体为：

在所述框架站点时间序列的首尾两端分别添加长度为M的构造数据，得到新的时间序列；其中，所述构造数据通过SSA-P预测方法得到；

对所述新的时间序列采用奇异谱分析方法进行分解。

5.根据权利要求1所述的CGCS2000框架站点非线性运动模型的构建方法，其特征在于，S3中，采用基于奇异谱分析方法的时间序列预测方法，对提取出的所述有用信号进行站点位置预测，具体为采用等阶滑动预测方法对站点位置预测。

6.根据权利要求5所述的CGCS2000框架站点非线性运动模型的构建方法，其特征在于，所述采用等阶滑动预测方法对站点位置预测，具体包括以下步骤：

S31，设S2提取出的所述有用信号的信号长度为L，令i=1；

S32，在所述有用信号的尾端添加P1个零数据，得到新构造的第i初始时间序列；

S32，对所述第i初始时间序列进行奇异谱分解，并选取预设数目的RCs值对尾端的P1个数据重新赋值，得到第i时间序列；其中，所述第i时间序列的信号长度为L+P1；

S33，在所述第i时间序列的尾端添加P1个零数据，去除所述第i时间序列头端的P1个数据，得到新构造的第i+1初始时间序列，然后令i=i+1，循环S32-S33，直到预测长度达到需要目标为止。

7.根据权利要求6所述的CGCS2000框架站点非线性运动模型的构建方法，其特征在于，S32中，对尾端的P1个数据重新赋值，具体为：

通过迭代循环的形式对尾端的P1个数据重新赋值，直至相邻两次迭代循环之间的差值足够小时，停止迭代过程，输出赋值后的时间序列。

8.根据权利要求1所述的CGCS2000框架站点非线性运动模型的构建方法，其特征在于，S3之后，还包括：

S4，对所述CGCS2000框架站点进行平差解算，得到站点周解序列和线性速度值，以所述站点周解序列和线性速度值作为真值，对所述CGCS2000框架站点非线性运动模型进行验证。