小波与BP神经网络联合反演GNSS IR高精度水库水位变化

GNSS-IR技术作为一种近地表遥感的新兴手段，在水库水位监测方面凭借其成本低、精度高等优势成为了研究热点。为了提高GNSS-IR技术反演水库水位变化的精度，提出了利用GPS、BDS双系统观测量基于小波分解与BP神经网络联合的方法反演水库水位变化。选取位于南水北调山东境内双王城水库GNSS变形观测站2017年10月1日—12月26日共87天的信噪比(SNR）数据为研究对象，分别利用小波分解和二阶多项式拟合两种方法消除其趋势项并生成SNR残差序列，然后进行Lomb-Scargle谱分析得到水库水位高度变化值，并与实测水位结果相比较。结果表明：各频段SNR利用小波分解和二阶多项式反演水位变化的平均均方根误差分别为0.1062m和 0.2245m，说明小波分解去趋势项的方法更优。最后，在小波分解去趋势项的基础上，利用阈值筛选出融合所用的频段(S1C、S2L、S5Q和S7I），分别采用均值算法、中值算法、随机森林算法和BP神经网络算法对GPS、BDS多频多模信号进行水库水位的融合反演。结果表明，对于水面较为平静的环境，以上算法均能实现厘米级的反演精度，其中BP神经网络算法用于水位反演的效果更优。