不同插值方法对典型固体潮水位插值结果比较
时间：2023-04-15 18:25:14 来源：柠檬阅读网 本文已影响 人 
韩孔艳 崔博闻 孙小入 费伯秀
1 北京市地震局，北京市苏州街28号，100080
地震前兆观测数据多是等间隔采样的，观测过程中如果受停电、仪器故障等影响会导致数据缺失。但对前兆数据进行统计分析时，往往要求数据序列必须是一个连续完整的数据集，不能包含缺失值。地下流体水位观测是地震前兆台网重要观测手段之一,在前兆异常提取、地震预测研究、震情跟踪中发挥着重要作用。由于观测井条件和受干扰因素等不同，各种频率信息叠加使水位数据形态各异[1-2]。因此，研究不同缺值情况下典型水位的最佳插值法极为必要。
1.1 插值方法及评价标准
本文选用5种常用的数据插值方法：最邻近插值法、线性插值法、三次多项式插值法、三次样条插值法和ARMA模型预测插值法。其中，ARMA模型预测插值法使用缺失值前360个数据的一阶差分作为建立ARMA模型的基础，通过确定模型阶数、估计模型参数和残差分析判定最佳的ARMA模型，利用模型预测数据作为插值结果[3-4]。本文利用插值与观测值的均方根误差RMSE的大小、变化情况来评估5种插值法对3种典型固体潮水位数据的插值效果。
1.2 水位数据筛选
水位变化分为宏观动态和微观动态，对浅部承压含水层来说，宏观动态变化较明显；
随着含水层埋深越来越深，微观动态增强[1-2]。本文根据水位变化特征，筛选出具有固体潮效应的9口观测井的3类典型水位数据，观测井信息见表1，3类典型水位数据变化特征如下。
表1 9口固体潮观测井的详细信息Tab.1 The detailed information of nine solid tide observation wells
第1类数据趋势变化较大，固体潮被压制。该类观测井普遍受地下水开采和降雨径流补给影响，如张道口井、永清井和东三旗井。3口井水位最大月变幅分别为5.25 m、8.06 m和2.71 m，最大日变幅分别为0.44 m、0.40 m和0.25 m，表现为快速大幅上升或下降，有清晰固体潮，但被压制在趋势变化之下。
第2类数据趋势变化平稳，固体潮明显。该类观测井受开采和降雨影响小，如抚顺山龙峪井、沈家台井、上海大学井。3口井水位最大月变幅分别为0.56 m、0.25 m和0.29 m, 最大日变幅分别为0.26 m、0.23 m和0.11 m，固体潮波动与趋势、日变幅差距不大，潮汐波动明显。
第3类数据起伏波动，固体潮清晰。该类观测井易受浅层开采和降雨直接补给影响，如冀20井、孝义井和良乡井。3口井水位月变幅分别为0.45 m、0.47 m和0.93 m，日变幅分别为0.19 m、0.22 m和0.22 m，既有固体潮波动，月变和日变也存在较大起伏。
2.1 插值方案
选取上述9口观测井2016年相近时段水位整点值序列180组，每个类型60组，每组不小于480个数。人为设计缺失1/4 d、1 d、2 d和3 d的情况，用前述5种插值法对缺失序列进行插值，分别计算每种插值的RMSE。另选3类、12组数据进行回溯性检验。
2.2 不同插值结果的对比分析
从3类数据的RMSE变化曲线(图1)和优势插值法占比情况(表2)可知，在连续缺失1/4 d的情况下，三次多项式插值法的RMSE值小且波动小，3类数据的优势占比分别为96.67%、63.33%和88.33%，表明该方法对少量数据缺失的插值优势比较突出。线性插值法对第1类数据缺1 d、2 d和3 d的情况插值优势较大，最优占比最大达71.67%(表2)，且对第3类数据的插值优势与ARMA模型预测插值法基本相当，两者最优占比之和为91.66%，是缺失较多的第3类数据较优的2种插值方法。ARMA模型预测插值法的RMSE波动最小(图1)，特别是对第2类数据，其插值最优比都在80%以上(表2)，是不同缺值情况下该类数据的最优插值方法。随着缺失值的增加，各插值法的误差有增大的趋势，但ARMA模型预测插值法的变化幅度相对较小，其优势一直很明显。
图1 3类水位数据的RMSEFig.1 RMSE of three types of groundwater level data
表2 最佳插值结果占比情况Tab.2 The proportion of the best interpolation results
最邻近插值法与线性插值法的RMSE很相似(图1)，但后者的优势更突显。三次样条插值法的RMSE波动较大(图1)，除对部分第1类数据外，其他插值RMSE都较大，但该方法对数据缺失量不敏感，不会随缺失值增多而明显增大。
2.3 回溯性检验
选取3类观测井同一时段的12组数据，假设整点值缺1/4 d、1 d、2 d和3 d，计算5种插值法的RMSE，比较插值与观测值曲线，检验上述结论是否正确。
对第1类水位数据(图2(a)、表3)，当数据缺失1/4 d时，三次多项式插值法的RMSE为0.001 5 m，其插值结果更优。当数据缺失1 d、2 d和3 d时，线性插值法的RMSE分别为0.023 7 m、0.048 9 m和0.065 8 m，小于其他插值法结果。
图2 插值与观测值对比Fig.2 Comparison of interpolation results and observed values
表3 3类水位数据的插值结果比较Tab.3 Comparison of interpolation results of three types of groundwater level
对第2类水位数据(图2(b)、表3)，当数据缺失1/4 d和1 d时,ARMA模型预测插值法的RMSE分别为0.000 5 m和0.010 5 m，与三次多项式插值法RMSE的0.005 1 m和0.015 3 m相差不大；
当数据缺失2 d时，ARMA模型预测插值法的RMSE远小于其他插值法，插值优势突显；
当数据缺失3 d时，ARMA模型预测插值法虽能还原潮汐波动周期，但很难还原波动幅度，与线性插值法的优势相当。
对第3类观测数据(图2(c)、表3)，当数据缺失1/4 d时，线性、ARMA模型预测和三次多项式插值法的RMSE分别为0.006 5 m、0.008 7 m和0.002 9 m，三次多项式插值法更有优势；
当数据缺失1 d、2 d和3 d时，线性插值法与ARMA模型预测插值法的RMSE相近，但ARMA模型预测插值法的RMSE波动更小，插值结果更有优势。
本文选取9口有固体潮效应的观测井的180组水位数据，在不同缺值情况下进行5种插值方法的对比研究，得出以下结论：
1)三次多项式插值法对数据缺失1/4 d的插值RMSE小，且波动较小，其优势占比分别为96.67%(第1类数据)、63.33%(第2类数据)和88.33%(第3类数据)，表明该插值法普遍适用于少量数据缺失的情况；
2)对趋势变化大、固体潮效应被压制的数据(第1类数据)，当数据缺失1 d、2 d和3 d时，线性插值法能延续数据趋势变化，是最佳插值方法；
3)对固体潮显著、趋势变化平稳的水位数据(第2类数据)，当数据缺失1 d、2 d和3 d时，ARMA模型预测插值法能还原规则潮汐波动和单一趋势的变化，插值最优比都在80%以上；
4)对固体潮汐明显，又兼有起伏波动的水位数据(第3类数据)，线性插值法和ARMA模型预测插值法的优势相当，线性插值法能还原趋势变化，ARMA模型预测插值法能还原周期的潮汐波动。
猜你喜欢固体潮插值法插值精密水准测量中固体潮改正的应用测绘工程(2022年4期)2022-08-08水准测量固体潮改正模型的探讨名城绘(2019年8期)2019-10-21《计算方法》关于插值法的教学方法研讨智富时代(2019年7期)2019-08-16《计算方法》关于插值法的教学方法研讨智富时代(2019年7期)2019-08-16基于Sinc插值与相关谱的纵横波速度比扫描方法西南石油大学学报(自然科学版)(2019年1期)2019-01-28固体潮对三峡地区地壳垂直形变和重力变化的影响分析测绘通报(2017年3期)2017-04-10顾及局部特性的自适应3D矢量场反距离权重插值法系统工程与电子技术(2016年7期)2016-08-21一种改进FFT多谱线插值谐波分析方法电测与仪表(2016年10期)2016-04-12基于四项最低旁瓣Nuttall窗的插值FFT谐波分析电测与仪表(2016年14期)2016-04-11Newton插值法在光伏发电最大功率跟踪中的应用电源技术(2015年7期)2015-08-22
