GPS位移数据分析与预测系统

项目背景

GPS 坐标时间序列分析是大地测量和形变监测领域的重要技术。通过分析 GPS 连续观测站的位移数据，可以监测地壳运动、地面沉降、建筑物变形等现象。本项目开发了一套完整的 GPS 位移数据处理与分析系统，实现从原始数据到预测结果的全流程自动化分析。

功能特点

数据加载 — 支持 SOPAC 格式和内华达 24/25 列格式的 GPS TXT 数据文件
格式转换 — 一键将 TXT 数据转换为 CSV 格式，方便后续处理
数据预处理 — 异常值检测（IQR 方法 / 3σ 准则）、缺失值处理（删除 / 插值）、数据平滑
平稳性检验 — ADF 检验 + KPSS 检验双重验证，自动推荐 ARIMA 差分阶数
ARIMA 分析 — 支持自动选参（pmdarima）和手动设置，单分量或 NEU 三方向联合分析
模型诊断 — 残差 QQ 图、ACF/PACF 图、Ljung-Box 检验、Shapiro-Wilk 正态性检验
精度验证 — 滚动预测验证法，计算 MAE、RMSE、MAPE、R² 等精度指标
可视化 — 预测结果图、3D 位移散点图、线性趋势拟合图、模型诊断图
数据导出 — 支持导出预测数据、预处理数据、图表（PNG/PDF/SVG）

系统架构

系统采用模块化设计，主要包含以下核心模块：

主程序	main_app.py — GUI 主界面，包含 5 个功能选项卡
数据输入	data_input.py — GPS 数据文件解析模块，支持多种格式
ARIMA 分析	arima_analysis.py — ARIMA 时间序列分析核心算法
精度验证	accuracy_validation.py — 独立的精度验证与评估模块

技术细节

开发语言	Python 3
GUI 框架	tkinter + ttk
时间序列	statsmodels (ARIMA, ADF, KPSS)
自动选参	pmdarima (auto_arima)
数据处理	pandas + numpy
机器学习	scikit-learn (线性回归、精度指标)
可视化	matplotlib (内嵌 tkinter)
统计检验	scipy (Shapiro-Wilk 正态性检验)

分析流程

第一步：加载数据 — 选择 GPS TXT 文件，系统自动解析 SOPAC 格式，提取日期和三维位移坐标（北向 N、东向 E、垂直向 U）
第二步：格式转换 — 将 TXT 文件转换为 CSV 格式，便于后续预处理和分析
第三步：数据预处理 — 对数据进行异常值检测与处理、缺失值填补、平滑降噪，并进行平稳性检验
第四步：ARIMA 分析 — 使用 ARIMA 模型对位移时间序列进行建模和预测，支持自动选择最优参数
第五步：结果可视化 — 展示预测结果、精度验证对比图、3D 散点图、线性趋势等多种图表

精度验证方法

采用滚动预测验证法，将数据集最后 15 天作为验证集：

使用前 N-15 天数据训练 ARIMA 模型
逐天滚动预测，每步将真实值加入历史数据更新模型
计算 MAE（平均绝对误差）、RMSE（均方根误差）、MAPE（平均绝对百分比误差）、R²（决定系数）
绘制预测值 vs 真实值对比图，直观展示预测精度

界面截图

视频演示

核心代码片段

ARIMA 自动选参与预测：

# 自动选择最优 ARIMA 参数
from pmdarima import auto_arima
auto_model = auto_arima(train_series,
                       seasonal=False,
                       d=None,
                       max_p=5, max_q=5,
                       max_d=2,
                       trace=True,
                       error_action='ignore',
                       suppress_warnings=True,
                       stepwise=False)
p, d, q = auto_model.order

# 拟合模型并预测
from statsmodels.tsa.arima.model import ARIMA
model = ARIMA(train_series, order=(p, d, q))
fitted = model.fit()
forecast = fitted.forecast(steps=30)
conf_int = fitted.get_forecast(steps=30).conf_int()
    

项目成果

完成 GPS 坐标时间序列从数据采集到预测分析的全流程工具开发
实现 ARIMA 模型自动选参，降低使用门槛
采用滚动预测验证法，确保模型预测精度可靠
提供丰富的可视化图表，直观展示分析结果
系统操作简便，适合非专业用户使用