线性化通用EIV平差模型的岭估计解法

通用EIV(errors-in-variables)平差模型作为经典平差模型的一般化形式,具有同时顾及多种随机误差的优势. 在通用EIV平差模型加权总体最小二乘(WTLS)的线性化估计基础上,引入正则化准则. 正则化矩阵为单位矩阵时为岭估计,添加目标函数,通过建立拉格朗日目标函数的最小化求解,导出加权通用EIV平差模型对应的岭估计解式,给出了确定岭参数的U曲线法和L曲线法. 计算了通用EIV平差模型的线性化估计、两种岭估计及其对应的方差分量值;验证岭估计对通用EIV模型的线性化估计具有促进性,可减少迭代次数,使得参数方差分量更快趋于平稳,降低参数估计的计算量.      

通用EIV平差模型及其加权整体最小二乘估计

以平差基本理论为基础,提出了EIV(errors-in-variables)平差模型的通用形式,涵盖了间接平差、条件平差、附有参数的条件平差及附有限制条件的间接平差等基本EIV模型形式。基于整体最小二乘估计准则,研究了通用EIV模型的加权整体最小二乘算法,并推导了估计结果的近似精度公式。通用EIV模型及其整体最小二乘算法是对EIV模型估计理论的进一步完善,统一的整体最小二乘算法有利于软件的编程实现,有助于推动EIV模型估计理论的应用。     

Partial EIV模型的非负最小二乘方差分量估计

Partial Errors-in-Variables(Partial EIV)模型是EIV模型的扩展形式,权阵构造简单,当系数矩阵中存在非随机元素和随机元素时,Partial EIV模型的适用性更强。针对Partial EIV模型中随机模型不准确的情况,将系数矩阵和观测向量分别作为一类数据,本文在该模型的基础上,使用最小二乘方差分量估计方法,推导相关计算公式及迭代算法,分别估计出相应的方差分量估值。并对出现的负方差使用非负最小二乘理论,增加约束条件,对随机模型进行修正,得到更加合理的参数估值。试实验结果表明,本文的方法与其他方差分量估计方法等价。     

方差分量估计的通用公式

应用最小二乘原理将方差分量估计公式从参数平差模型推广到概括函数平差模型。通过选取恰当的权阵,基于概括函数模型的最小范数二次无偏估计及赫尔默特法得到的公式均是本文的特例。视协方差矩阵为权逆阵,得到了最小方差估计,并证明了该公式与最优二次无偏估计的通用公式等价,从而表明最优二次无偏估计和极大似然估计的通用公式也是本文的特例。除此之外,本文还给出了最小二乘方差分量估计的简化公式,并对其进行了扩展。最小二乘方差分量估计的假设检验理论同样得到了推广。     

基于等价条件闭合差的VCE通用解析法

分析指出了现有方差-协方差分量估计(VCE)方法在计算效率与?2统计量统计性质两方面的固有缺陷。利用零空间算子消去概括平差模型中的参数向量,建立了等价条件平差模型。由此定义了等价条件闭合差(ECC),并导出了以ECC表示的?2统计量计算式。进而,基于等价条件闭合差与新构造的可逆方差分量模型提出了方差-协方差分量估计的通用解析法,简称为VCE-ECC法。同时,给出了对应四种基本平差模型的VCE-ECC法简化计算式。实例与仿真结果表明：VCE-ECC法与现有VCE方法的方差-协方差分量估计值在统计意义上无明显差异,并有效地克服了现有VCE方法的固有缺陷。     

赫尔默特方差分量估计在导线平差中的应用

利用经典高斯-马尔柯夫模型进行导线平差数据处理时,由于先验边长和角度权比不合理而导致平差值结果及精度受到影响。本文采用赫尔默特方差分量估计经过迭代平差,可以使两类观测值的权比趋于合理。文中算例分析结果表明,利用赫尔默特方差分量估计进行导线平差,可以获得优于经典最小二乘估计的平差结果。     

Helmert型方差—协方差分量估计的通用公式

本文在概括函数模型和它的通用公式的基础上,导出了一个适用于所有平差方法的方差—协方差分量估计的通用公式,并由此给出方差分量估计的通用公式和简化的通用公式。     

三维网平差的方差分量估计

本文将方差分量估计理论运用于三维网平差中，推导出了含定向角未知数及消去定向角未知数的方差分量估计公式，并进行了模拟和实例计算，从而建立了合理的三维网平差随机模型。     

中国大地测量数据处理60年重要进展第一部分：函数模型和随机模型进展

大地测量函数模型与随机模型是大地测量数据处理必须要涉及的模型。经过60年不懈努力,中国学者根据大地测量应用实际,构建和改进了许多函数模型,如广义测量平差模型、等价观测方程、非线性平差模型等;在方差分量估计和误差检验方面做了大量创新性工作,如基于Bayes估计的方差分量估计、拟准误差检验等,丰富了测量平差理论与方法。这一部分重点介绍建国60年来中国学者在大地测量数据处理函数模型、随机模型和误差检验方面所取得的成就。     

三维网平差的方差分量估计

本文将方差分量估计理论运用于三维网平差中,推导出了含定向角未知数及消去定向角未知数的方差分量估计公式,并进行了模拟和实例计算,从而建立了合理的三维网平差随机模型。     

方差分量估计的MINQE理论及其在摄影测量中的应用

本文深入研究了异方差分量模型的MINQE(U,I)准则的算法实现的可能性,所导出的约化算法具有压缩内存,提高运算速度等明显优点,因而具有实用意义。文中介绍了实现约化算法的计算机程序框图,并提供了数据例子。作者将方差分量估计的MINQE理论引入解析摄影测量平差实践,分别采用模拟数据和新滩滑坡监测数据研究了自检校光束法平差中随机模型的确定,结果表明,MINQE理论用于自检校的验后权估计是可行的。最后,作者就平差随机模型的扩展,以及MINQE理论的应用提出了进一步研究的几点设想。     

偏差改正的Partial EIV模型方差分量估计

针对Partial EIV模型的方差分量估计中未考虑参数估值偏差所带来的影响,将Partial EIV模型视为非线性函数得到参数估值的偏差及二阶近似协方差表达式,计算得到偏差改正后的参数估值,结合方差分量估计方法,更新由参数估值影响的矩阵变量,给出了基于偏差改正的方差分量估计迭代方法。试验结果表明,参数估值及其协方差主要受参数估值偏差大小的影响,加入偏差改正能够得到更加合理的参数估值及方差分量估值,偏差改正后的方差分量估值可更加合理地评估参数估值的精度信息。     

方差-协方差分量估计的概括平差因子法

针对现有方差-协方差分量估计(variance-covariance component estimation,VCE)理论存在的问题,通过引入间接平差的平差因子概念,定义并研究了基于概括平差模型的概括平差因子、概括闭合差及其方差阵,进而利用二次期望公式提出了基于概括平差因子的VCE新方法。该方法适用于概括平差模型所归纳的4种函数模型形式,并通过概括平差因子揭示了平差函数模型与VCE是否存在解析估计形式的关系。实例计算结果表明,现有迭代型VCE方法改变了LS估计量的统计性质,而VCE新方法解析估计具有LS统计性质,且无需初值。     

Partial EIV模型的解法

提出了一种求解partial errors-in-variables(partial EIV)模型的思路。通过对partial EIV模型的部分元素进行移项,重组成新形式下的平差函数模型,两次运用间接平差原理分别求解平差参数与系数矩阵中的随机元素,把总体最小二乘平差问题转化为最小二乘平差问题,并通过适当变换提高了新解法的收敛速度。最后分别采用实测数据和模拟数据进行验证,求解了本文算法与已有算法的估值结果。算例结果表明,本文算法能取得与已有算法相同的结果,是切实可行的。     

基于条件方程的方差分量估计公式

著名的Helmert方差分量估计公式是基于间接观测平差模型导出的。基于条件观测平差模型导出了方差分量估计公式并给出了实际应用范例,且对两种模型的方差分量估计公式的等价性进行了理论证明。算例表明,文中的估计公式能正确地估计出各类观测值的方差因子。     

总体最小二乘回归预测模型的方差分量估计

回归预测模型是对传统回归模型的进一步扩展,不仅涉及回归模型的固定参数估计,而且将模型预测纳入平差的部分内容,更加符合实际解算需求。针对在回归模型预测中经常出现待预测非公共点(自变量)含有观测误差和随机模型不准确的问题,基于EIV(errors-in-variables)模型提出了一种同时顾及所有变量观测误差的整体解法。同时,将方差-协方差分量估计方法引入回归预测模型解算中,以修正随机模型与待预测非公共点的先验协因数阵,并推导了相关计算公式和迭代算法。算例试验表明,该方法能够有效估计各类观测数据的方差分量,为获取更合理的参数估计与更高的模型预测精度提供了可行手段。另外,通过设计多种对比方案可知,该方法的预测效果较好,尤其是针对观测数据与系数矩阵中随机元素之间存在一定相关性的情况。     

卫星网与地面网联合平差中随机模型的估计

本文讨论了卫星网与地面网联合平差中随机模型误差及其对联合平差结果的影响,应用方差分量估计方法对卫星网和地面网的随机模型进行了估计,并对模拟网与实测网的计算结果进行了分析。     

天文大地网与GPS2000网联合平差数据处理方法

介绍了天文大地网与GPS2000网联合平差数据处理中的主要数学模型、大规模稀疏矩阵的有效解算方法，用Helmert方差分量估计算法进行地面网的方差分量估计，并用该方法对我国天文大地网的观测数据及空间网数据进行联合平差，得出全网平均点位的点位中误差为o．11m，点位精度95．5％优于0．3m。     

广义整体最小二乘粗差探测的三维坐标转换方法

针对观测坐标受到粗差污染时导致参数估值受到影响的问题,本文将三维坐标转换问题描述为一个非线性变量误差(EIV)模型,并提出相应的数据探测算法。首先利用Euler-Lagrange方法推导出了非线性EIV模型的广义整体最小二乘(GTLS)解,将其转化为经典最小二乘问题;然后在已知方差分量和未知方差分量的条件下,基于经典最小二乘理论,构造了两类数据探测的检验统计量。试验结果表明,本文提出的数据探测算法可有效减少粗差的影响,获得可靠的转换参数。     

PEIV模型参数估计新算法

PEIV(Partial Errors-In-Variables)模型是EIV模型的扩展,它能解决系数矩阵含有非随机元素或存在结构特性的问题。针对常规PEIV模型算法的复杂性,提出了一种PEIV模型参数估计的新算法。该算法将系数矩阵含误差的元素看成是一类观测值,与平差模型原观测值构成两类观测值,将PEIV平差模型表示为类似于传统的最小二乘间接平差模型,再通过非线性最小二乘平差理论,推导出了算法的迭代公式和精度评定公式。算法迭代格式与间接平差类似,通过算例验证了算法的可行性和正确性。