基于机器学习辅助的 GNSS 时间序列地表沉降或隆升精确预测算法
信号处理
2020-06-09 v1
摘要
本文旨在利用 GNSS 位置时间序列解决某区域地表沉降或隆升的预测问题。由于机器学习算法已在不同科学领域展现出强大的预测能力，我们采用它们来预测 GNSS 位置时间序列的后续值。为此，我们提出一种借助机器学习算法预测 GNSS 时间序列中位置的算法。该算法分为预处理和预测两步。在预处理阶段，去除时间序列中的周期性潮汐与大气信号，并将坐标转换至局部坐标系。在预测阶段，使用了八种不同的机器学习算法，即多层感知机、贝叶斯神经网络、径向基函数、高斯过程、k近邻、广义回归神经网络、分类与回归树以及支持向量回归。我们在 14 个不同的真实 GNSS 时间序列研究中展示了高斯过程算法相对于其他方法的优越性。所提算法可达到最高 4 毫米的精度，在所有时间序列上的平均精度为 2 厘米。
引用
@article{arxiv.2006.03772,
title = {A precise machine learning aided algorithm for land subsidence or upheave prediction from GNSS time series},
author = {M. Kiani},
journal= {arXiv preprint arXiv:2006.03772},
year = {2020}
}