杨 玉 吴云龙 姚运生 单维锋

1)防灾科技学院， 三河 065201 2)中国地震局地震研究所， 中国地震局地震大地测量重点实验室， 武汉 430071

0 引言

地球重力场和海洋环流探测卫星GOCE(Gravity field and steady-state Ocean Circulation Explorer)由欧洲航天局(ESA)研制并于2009年3月17日成功发射。卫星在轨运行4a， 获取了海量在轨观测重力梯度数据。该卫星利用极高精度(可达1mGal， 1mGal=1×10-5m/s2)、 高分辨率(100km空间分辨率和1～2cm精度的全球大地水准面)的三维测量技术测定全球静态地球重力场。然而， 卫星重力梯度测量受GOCE卫星梯度仪、 信号、 噪声、 计量等影响， 数据中含大量粗差(苏勇等， 2014)。模拟研究表明即使是少量未检测到的粗差(占比 <0.2% )也会对重力场模型的求解产生不利影响(Kernetal.， 2005)。因此， 进一步讨论在GOCE重力梯度数据预处理分析中是否有更准确可靠的粗差探测方法尤为重要(European Space Agency， 1999； 许厚泽， 2001； Drinkwateretal.， 2006； 郑伟等， 2010)。国内外许多学者和专家针对观测数据中的粗差鉴别和剔除开展了持续研究。Baarda(1968)最早提出了粗差定位和检验的理论和方法， 此后研究者陆续提出了将统计检验、 稳健估计、 滤波平滑等方法应用于减小粗差并分析其对数据序列的影响(罗志才等， 2009)。目前， 有很多种用于重力梯度数据粗差处理的方法， 其原理建立在粗差探测理论的基础之上， GOCE卫星数据处理团队基于统计学、 抗差估计、 频谱分析等方法进行了比较研究(Koopetal.， 2002； Preimesbergeretal.， 2003； Bouman， 2004)。国内学者也围绕数据预处理环节开展了相关工作。徐新禹等(2010)对重力梯度测量的误差来源进行了系统分析； 吴云龙等(2010， 2011)分析了阈值法、 Grubbs检验、 Dixon检验及小波算法， 提出Dixon检验与小波算法的策略， 验证了在重力梯度数据粗差探测中该组合探测法的识别成功率最高； 徐天河等(2009)基于最小二乘方法， 从时域角度对卫星重力时间序列数据进行粗差探测， 通过预测残差及统计特性构造了检验统计量， 提出了移动开窗检验的粗差探测方法； 李新娜等(2008)根据识别变量的后验概率， 提出一种粗差估值的贝叶斯方法； Wan等(2018)在格网化过程中对粗差进行了剔除。上述几种方法在粗差探测上的准确性表现不一， 且均存在海量数据处理高耗时等不足之处。

近年来， 深度学习算法在地球科学研究领域取得了显著的应用效果， 该网络算法由机器自动提取特征， 具有学习能力强、 覆盖范围广、 适应性好、 数据驱动、 上限高的特点。汪凯翔等(2020)应用LSTM网络对实际观测的地电场数据进行训练， 能够很好地压制测试数据集的信噪比， 过滤人为添加的特定频率的干扰， 更可有效地恢复观测数据中的潮汐响应。张志厚等(2021)基于DL网络结构对地下半空间模型的重力及重力梯度进行联合反演， 对比了深度学习和传统方法的预测效果， 结果表明Gravity Inverse Net网络结构反演模型的泛化性能强， 该方法具备高效的计算速度。基于DL预测时间序列的趋势异常， 陈善鹏等(2020)等得到了高精度的GPS时间序列预测模型， 通过对比预测值与真实值之间的差异， 对异常时段进行探索。Kiani(2020)利用广义回归神经网络预测GNSS位置时间序列， 得出网络训练结构越大则预测精度越高的结论。……