小波与BP神经网络联合反演GNSS-IR高精度水库水位变化

摘要：

GNSS-IR技术作为一种近地表遥感的新兴手段,在水库水位监测方面凭借其成本低、精度高等优势成为了研究热点.为了提高GNSS-IR技术反演水库水位变化的精度,提出了利用GPS、BDS双系统观测量基于小波分解与BP神经网络联合的方法反演水库水位变化.选取位于南水北调山东境内双王城水库GNSS变形观测站2017年10月1日—12月26日共87天的信噪比(SNR)数据为研究对象,分别利用小波分解和二阶多项式拟合两种方法消除其趋势项并生成SNR残差序列,然后进行Lomb-Scargle谱分析得到水库水位高度变化值,并与实测水位结果相比较.结果表明:各频段SNR利用小波分解和二阶多项式反演水位变化的平均均方根误差分别为0.1062m和0.2245m,说明小波分解去趋势项的方法更优.最后,在小波分解去趋势项的基础上,利用阈值筛选出融合所用的频段(S1C、S2L、S5Q和S7I),分别采用均值算法、中值算法、随机森林算法和BP神经网络算法对GPS、BDS多频多模信号进行水库水位的融合反演.结果表明,对于水面较为平静的环境,以上算法均能实现厘米级的反演精度,其中BP神经网络算法用于水位反演的效果更优.

关键词：水库水位监测、GNSS-IR、信噪比、小波分解、BP神经网络

所属期刊栏目：10

分类号：V219(基础理论及试验)

资助基金：江苏省农业科技自主创新基金;江苏省测绘地理信息科研项目

在线出版日期：2023-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：54-64