排序方式： 共有9条查询结果，搜索用时 15 毫秒
1
1.
以四川CORS观测网络为数据基础,结合GPS高精度数据处理技术及B／S技术架构,设计并实现了一套地壳运动在线监测系统。该地壳运动监测系统以GAMIT／GLOBK为数据处理引擎,实现各CORS站数据的高精度自动化解算,并通过WEB技术实现测站信息、基线序列以及坐标序列等的信息可视化表达。试验结果表明,该系统具备较好的运行稳定性和友好的人机交互性,可实现自动化的区域地壳运动监测。 相似文献
2.
基于四川GPS观测网络,本文提出采用低成本GPS-OEM板设计分米级差分GPS接收机。介绍四川GPS观测网络的工作原理,应用GPS观测网络改正由GPS轨道误差、电离层、对流层和大气折射引起的误差,将高精度的差分信息通过GPRS发给流动站来提高接收机的定位精度;论证了差分GPS的定位原理;最后提出整个系统的设计方案,用Thales DG14L OEM板处理GPS天线接收到的卫星信息,同时对GPRS天线接收数据中心差分信号进行差分运算。单片机控制软件采用汇编语言和C语言来编写。系统的实验结果表明,差分GPS接收机应用效果好,定位精度高,最重要的是降低了接收机的成本。 相似文献
3.
遥感影像识别方法是破坏性地震震后地质灾害快速、准确获取的重要方法之一,传统的遥感影像识别方法主要以人工目视识别方法和半自动识别方法为主,需投入大量的人力和时间。针对破坏性地震震后地质灾害解译时间长、投入人力多等问题,以2017年8月8日四川九寨沟7.0级地震震后高分辨率无人机遥感影像为研究样本,提出基于深度学习网络的地震地质灾害识别方法。首先结合震后遥感影像解译资料和现场调查资料,提取九寨沟地震地质灾害无人机遥感影像特征,并构建研究区地震地质灾害解译指标和分类数据集;然后采用DeepLabv3+网络结构及softmax损失函数,建立基于深度学习网络的地震地质灾害遥感影像图像语义分割模型方法;最后采用半监督学习方法进行结果验证。研究结果表明,基于深度学习网络的地震地质灾害识别方法可有效识别九寨沟地震地质灾害分布信息,整体分类识别准确率为94.22%,F1分数值为0.77,结果具有较好的一致性和准确性,可提升地震现场灾情获取和重点地震隐患识别等工作效率及服务能力。 相似文献
4.
5.
利用汶川地震后、芦山地震前3年时间(2010.30—2013.30)的GPS连续站时间序列结果,采用TDEFNODE负位错反演程序,对龙门山断层中南段闭锁程度和滑动亏损速率动态演化进行了反演计算与分析,并讨论了汶川地震后断层中段的愈合过程和西南段的大震背景。结果表明:①汶川地震震中周边破裂区域的闭锁程度逐渐增强,由2010年基本处于蠕滑状态,至2013年处于较强闭锁状态;闭锁范围也逐渐增大,由汶川震中西南方向逐渐趋近震中位置,表明该部分断层正在快速愈合。汶川震中北东方向的大部分破裂区域依然处于蠕滑状态,表明该部分断层还未开始愈合。②芦山地震震中附近及其西南方向断层一直处于强闭锁状态,且完全闭锁区域的滑动亏损速率逐年减小,可能表明愈合区域分担了部分巴颜喀拉块体对四川盆地的挤压作用。以上结果表明,龙门山破裂断层不同段震后愈合过程和活动特征都有显著差异;处于强闭锁状态的龙门山断层西南段,在挤压弹性应变快速积累的情况下,发生大震的背景有所增强。 相似文献
6.
为探索地震事件对GPS坐标时间序列的长周期影响,对汶川地震前后四川GPS观测网络长约10年的解算成果进行了多参数模型噪声特征分析.基于最大似然估计方法和频谱特性分析,提取了地震前后各测站坐标序列中的噪声分量,使用Λ-统计检验,得出"白噪声+闪烁噪声"模型可以作为四川GPS区域观测网络的最优噪声组合模型,同时,地震事件使得地震前后GPS噪声分量中的白噪声、闪烁噪声、随机游走噪声等发生显著改变,说明传统谱噪声分析中简单地将地震数据拼接在一起并进行统一处理的模式并不可取;使用共模误差分析方法、区域速度场变化趋势等信息对地震前后噪声模型的改变成因进行了初步的物理解析. 相似文献
7.
鲜水河断裂GPS连续站监测网由七美、瓦日、牦牛、塔工4个站组成,于2006年2月建成并开始运行。本文利用该监测网2006年2月至8月期间的观测资料,计算出6条基线长变化的时间序列,在此基础上,分析了鲜水河断裂的运动特征。结果表明,在测区范围内,鲜水河断裂以12.3±1.2 mm/a的速率左旋滑动,测区北端有明显张性,而南端则没有明显的张性或压性特征。最后,通过与以前对鲜水河断裂运动状态进行观测的各种手段和结果的比较,本文认为GPS连续运行参考站监测网在活动断裂的监测方面具有明显优势。 相似文献
8.
9.
为研究高频GPS坐标时序的噪声特性,对芦山地震前后三天,北京时间8:00—9:00,位于四川盆地8个CORS站50Hz的高频观测资料进行解算与分析。分析过程中,分别采用恒星日滤波和主成分滤波分析以及去除时空噪声,并采用功率谱分析经滤波后的坐标时序。结果表明,高频GPS坐标时序的谱指数在1.6~2.0间,符合白噪声+随机游走噪声模型特性。建议当利用高频GPS研究地表运动特性、监测大型建筑的运动结构或确定GPS动态实验平台姿态时,应考虑高频GPS坐标时序的这一噪声特性。 相似文献
1