基于稳健随机分隔森林的 GNSS位移序列粗差实时检测方法

作     者：张鸣之 王鑫宇 赵文祎 吴明魁 ZHANG Mingzhi;WANG Xinyu;ZHAO Wenyi;WU Mingkui

作者机构：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 

出 版 物：《大地测量与地球动力学》 (Journal of Geodesy and Geodynamics)

年 卷 期：2024年第44卷第3期

页      面：240-245页

核心收录：

学科分类：08[工学] 081601[工学-大地测量学与测量工程] 0816[工学-测绘科学与技术] 

基　　金：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) 

主　　题：稳健随机分割森林 异常值检测 GNSS位移 变形监测 

摘      要：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。