TY -的A2 -阴,唐爱军盟——刘,翰林AU -杨,Linchao PY Linqiang AU - Li - 2021 DA - 2021/05/28 TI -分析气候因素对GNSS-Derived位移的影响结合扩展Helmert转换和XGboost机器学习算法SP - 9926442六世- 2021 AB -各种气候因素影响精度的长期全球导航卫星系统(GNSS)的监测数据。精确地分析不同气候的影响因素对长期GNSS监控记录,本研究结合扩展seven-parameter Helmert转换和一个名叫极端梯度增加的机器学习算法(XGboost)建立混合模型。我们建立了一个局部范围参考系称为稳定2019年波多黎各和维尔京群岛参考系(PRVI19)使用十连续操作长期GNSS网站位于波多黎各和维尔京群岛的刚性部分(PRVI)微型板块。PRVI19大约是0.4毫米/年的稳定和0.5毫米/年的水平和垂直方向,分别。稳定的参考系PRVI19可以避免偏见的风险由于长期板块运动学习时局部地面变形。此外,我们XGBoost算法应用于位长期GNSS记录和日常气候数据训练模型。我们每天定量评估的重要性,各种气候因素对GNSS时间序列。结果表明,风是最具影响力的因素不得不指数为0.013。值得注意的是,我们使用了模型与气候和GNSS记录来预测GNSS-derived位移。结果表明,预测位移相比略低的均方根误差拟合结果使用样条方法(预测:0.22与安装:0.31)。 It indicates that the proposed model considering the climate records has the appropriate predict results for long-term GNSS monitoring. SN - 1687-725X UR - https://doi.org/10.1155/2021/9926442 DO - 10.1155/2021/9926442 JF - Journal of Sensors PB - Hindawi KW - ER -