GPS时间序列分析---剔除跳跃点,拟合时间序列

通常利用GPS时间序列进行数据分析时,会遇到大地震的发生,这个时候会导致GPS的观测结果出现很大的跳跃值,这对后续的数据处理和分析带来了困难。这里分享一个最近了解的,可以用于处理这一问题的工具包---TSAnalyzer。下面主要介绍该工具包的下载、安装和简单的数据处理方法。 

(1)GNSS数据的获取 

GNSS数据下载至内华达大地测量实验室 (NGL) (http://geodesy.unr.edu),该网站提供了全球范围内的GNSS时间序列。漫游地图,找到我们需要的站点的数据,这里我以CHUM站点为例,进入数据下载的界面。点击界面的tenv3或者tenv格式的数据,进入数据页面,右键选择另存,下载数据成功。 

NGL提供的GNSS数据


(2)TSAnalyzer软件的获取 

今天(2023-3-27)在谷歌冲浪的时候,无意之间发现这个很多GNSS数据处理程序的网站:

GPS_TOOLBOX
里面有各种论文发表后开源的程序包,包括matlab、C++、python的工具,大家可以下载学习。这里我们找到

TSAnalyzer, a GNSS Time Series Analysis Software -- by WU Dingcheng, YAN Haoming, SHEN Yingchun
网站提供了linux版本和用户友好的window版本,此处我本人下载的是window版本。下载对应的软件,点击运行 

(3)GPS数据的处理

直接点击运行,可以进入以下的界面。这个软件比较友好的地方是自带了示例的数据,我们点击Menu,进入Example文件夹,选择chum.neu文件,打开文件。在主界面的左上方,点击Add File中的文件,则可以显示文件加载的结果。

根据网站数据的信息,CHUM站点记录到了在2007年发生了一次阶跃,这表明是地震活动导致的。因此我们需要消除这个数据的跳跃。 

接下来,首先去除离群值,点击右面板的IOR factor,点击clean。然后选择地震信号中断的功能。标记阶跃值【本人是手动标记的,应该有更精确的输入标记的方式,后续得多参照使用说明书】 

点击detrend,选择continuous,得到去阶跃值的结果,然后选择数据导出Save,即可得到去除阶跃值的数据结果。


期待你的点赞收藏 

  • 3
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
Python中时间序列异常剔除可以通过以下步骤实现: 1. 导入相关的库:首先需要导入pandas库用于处理时间序列数据,以及numpy库用于数值计算。 2. 读取时间序列数据:使用pandas的read_csv()函数读取时间序列数据,并将其转换为pandas的DataFrame格式。 3. 观察数据:通过打印DataFrame的头部和尾部,以及使用describe()函数统计基本信息来观察数据,寻找异常的特征。 4. 检测异常:根据数据的特征,可以使用不同的方法来检测异常。常见的方法包括基于统计的方法(如均值、标准差、百分位数等),以及基于机器学习的方法(如孤立森林、异常因子分析等)。选择适合自己数据特的方法。 5. 剔除异常:根据异常的检测结果,可以将异常时间序列数据中剔除。可以选择删除异常所在的行,或者将异常替换为缺失值或其他合理的值。 6. 可视化结果:剔除异常后,可以使用matplotlib库将剔除后的时间序列数据可视化,以便进一步检查数据质量。 7. 模型评估:对剔除异常后的时间序列数据进行模型评估,检查异常剔除是否对模型的性能有所提升。 总结起来,Python中的时间序列异常剔除可以通过数据观察、异常检测、剔除异常等步骤来实现。根据数据的特选择合适的方法,并通过可视化和模型评估来检查处理结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

我是水怪的哥

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值