基于稳健随机分隔森林的 GNSS位移序列粗差实时检测方法OA北大核心CSTPCD
受GNSS硬件设备、通讯链路以及观测环境等因素影响,GNSS位移监测数据往往包含粗差,无法反映真实的变形特征。针对该问题,本文提出将稳健随机分割森林(robust random cut forest,RRCF)算法应用于GNSS位移监测数据粗差实时检测。仿真数据处理结果表明,RRCF算法粗差实时检测的准确率、精确率与召回率分别优于95%、98%、96%。地质灾害位移监测数据处理结果表明,GNSS位移监测数据发生异常突变时,RRCF方法检测结果与实际异常值情况吻合且误判率较低。总体而言,RRCF算法对GNSS位移监测数据异常实时检测的准确率和可用性均较好。
张鸣之;王鑫宇;赵文祎;吴明魁;
清华大学工程物理系,北京市100084 中国地质环境监测院,北京市100081 自然资源部地质灾害智能监测与风险预警工程技术创新中心,北京市100081武汉大学测绘学院,武汉市430079中国地质环境监测院,北京市100081 自然资源部地质灾害智能监测与风险预警工程技术创新中心,北京市100081 中国地质大学(北京)信息工程学院,北京市100083中国地质大学(武汉)地理与信息工程学院,武汉市430074
测绘与仪器
稳健随机分割森林异常值检测GNSS位移变形监测
《大地测量与地球动力学》 2024 (003)
P.240-245 / 6
中国地质调查局地质调查项目(DD20211364);国家自然科学基金(72293571);自然资源部科技人才项目(121106000000180039-2201);国家重点研发计划(2021YFC3000504-02)。
评论