��ά�����Ի�׼ת���ļ�Ȩ�ͼ�Լ��������С���˽���ģ��

????????????????????????????????С?????WTLS??????????????С?????CTLS????????????????????δ???????????????????????????????????????????????????????????????????????????????????WTLS??CTLS???????м???????????????????????????????÷???????Ч?????????????????????????     

�����Բ���ʽԼ��ƽ��ģ�͵�һ������㷨

????Lemke???????в??????????????????????????????????в???????????С?????????????????ι滮?????????????ι滮??Kuhn??Tucker????????ι滮?????????LCP??????????Lemke?????????????????ò?????С????????????????????????????????á?     

С���������ճ�Ԥ���㷨�о�

???BP??????????????С???????????BP?????缤????????BP????????????????????????????????С???????磬??Ч?????????????????????????????????????????????????????????Ч????     

С��Ⱥ���봨�����ʼ���ѵ�˺�ѵ�����ͼ��

??????M8.0????????????????????С???????????????????о???????????λ????????????????????ν???ие???????????????????1??M8.0??????????????????????????????????????С????????????????????????????????????????????????42°????????????????????????????20 km??2?????????????????????????????????????10 km?????????????????С??????????????????????????????????????????????????????λ?????????7 km??3??2??14??
ML3.7?????????????????93°?????????????????????С??????????????????????????????????2???????￡????????????????????????????????????????????????????????????????4??2??28??ML3.8?????????λ?????????????????????????????????????????????????????????￡????????????     

һ�ּ��㲹����С�������򻯲��������Ż�����

??????????????С????????У??????Ч????????????????????????????????μ??????С????????????????????彻??????L??????????????????????????????????????????????????????????????????????????Ч???????     

������������ˮƽ�α�Ӧ�䳡�о�

????2011???2013????????GPS?????????????????????????????????????о???????????????????????????????? ????????????????????????????????????????????????????????????????о???????2011??2013????????????????????????????????????????????????????-???????????λ????в??????????????????????λ??????????????????????????????2011??2013??????????????????NE55°????????????????????????????????С??????????????????????????????С???????????????????????????????????????????????????Ms??≥5.0????????2013???????????????????????????????-???л?????????5.8???????????????????????????????????????????     

������С����ƽ�����������

???t??????????ó?????????С????????????????????????????????1????????????????????????2????????????????????????????????????????????Э????????????????1??Э??????????????????????????????????????????????????????????????????????????????????????????????????????????????Ч???     

������С���˽�ĵ�λȨ�������ƫ����

??в???????????????????????????????????????????С???????λ??????????????????????????????????????ù?????????????????а????????????????????У????y?t????????????????????????????????λ???????????λ?????????     

�й���½2000��2007���������仯��߶ȷֽ�

????С???任??????2000??2007???й??????????????仯????????ò??С??????????μ??????????????仯???????????1?????С?????????????????2??????С??????????????????????????Ms8.0???????????3??????С???????????????????????????????????????????????????????????????????4??????С?????????????????????????????????????????????μ???塢??????????????????????????????     

����ǰ��Դ����λ�����о�

????С??????????????α??????????????ε??????????????????????????????μ?????????????????????????λ?????????1995???????????????????7??6????6????????????????????У????????Ч????     

基于加权总体最小二乘法的GPS高程拟合

在GPS高程拟合中,针对传统最小二乘方法不能解决系数矩阵存在误差的问题,提出了一种基于加权总体最小二乘的拟合方法。对平面和二次曲面多项式建立更加合理的拟合模型,并给出了相应的迭代算法。实例计算表明,加权最小二乘方法能够得到更好的估计参数,高程异常值拟合精度也相应提高。     

������Ƕ�Ȩ�ĵ������ݼ�Ȩ������С����ƽ������о�

?????????????????λ???????????????????????????????????С????????????????÷?????????????С??????????????????????????????????????и?????????????????????????????????????????3????????????????????????????????????С?????????????С??????????÷??????????????????????     

����������С���˵ĵ��漤��ɨ������λ����

????????????λ????С?????λ??????????????????????????漤?????????λ????????С????????λ???????????????????????????С??????????÷??????????????????????????????????????????????????????????С?????????С????????????????????????????????????????嶨λ???????     

加权总体最小二乘和RBF神经网络的三维坐标转换

分析部分变量误差加权总体最小二乘法（PWTLS）、加权总体最小二乘法（WTLS）和最小二乘法（LS）在三维坐标转换模型参数求解中的应用与影响,提出PWTLS与RBF神经网络组合的坐标转换方法。结果表明,当三维坐标转换模型系数矩阵中同时存在常数元素和重复元素时,PWTLS方法计算的单位权中误差和内符合精度均优于LS方法,且源坐标改正数较WTLS方法更加合理。PWTLS+RBF组合方法能够使PWTLS的求解参数得到有效使用,提高坐标转换精度。     

加权整体最小二乘的验后估计在三维坐标转换中的应用

在求解三维小角度坐标转换EIV模型的过程中，顾及到两套坐标系下点坐标初始单位权方差可能不同导致定权不准确的问题，应用Helmert方差分量估计方法，对加权整体最小二乘的随机模型进行验后估计，从而重新分配观测向量和系数矩阵的权，使得解算模型更加合理。算例证明，利用该方法求解坐标转换参数的精确度有所提高，参数估值更接近真值。     

基于Rayleigh商的不等精度二次曲线拟合的WTLS迭代解法

针对独立不等精度离散点的二次曲线拟合问题,以系数矩阵元素的一阶误差传播得到的方差为权倒数,采用加权总体最小二乘估计方法求解拟合参数,将加权总体最小二乘问题转化为Rayleigh商问题,从而只需求一正定矩阵的特征值和特征向量,便可通过迭代计算得到待估参数的解。该方法性能稳定且计算量较小,是针对WTLS问题的一种相对简捷高效的计算方法。     

加权总体最小二乘方法在ITRF转换中的应用

针对ITRF转换中,两套坐标系下的点坐标值均存在误差,且各点之间精度不等、甚至相关的情况,提出利用加权总体最小二乘方法对转换参数进行解算。通过模拟数据和真实数据的解算证明了加权总体最小二乘方法在ITRF转换中的适用性,与其他方法相比,利用加权总体最小二乘方法能够得到准确的、更为合理的转换参数。     

非线性半参数模型最小二乘核估计的直接解法

基于非线性半参数模型最小二乘核估计,给出了其参数分量和非参数分量估计的构造式,导出了参数分量和非参数分量顾及二次项直接解法的计算公式。用实测数据进行计算,证明了对于非线性半参数模型最小二乘核估计,可采用顾及二次项的直接解法。     

几种坐标转换计算方法的比较

分析最小二乘配置模型在小角度坐标转换中的应用|运用实验分析最小二乘模型、改进的布尔莎模型以及多元总体最小二乘模型在任意旋转角度坐标转换中的应用,并分析尺度因子和旋转角对坐标转换的影响|证明多元总体最小二乘可以高精度地实现任意尺度因子、任意旋转角度的三维坐标转换。     

��Ͻṹ������С���˲�������

???????????????????к?????????????????к??????????????????????С????????????????????????????????????С?????????????????????????С?????????????????????????С?????????????????????????????????????????????????????????????????С?????????з???????????????????????????????????????????С?????????????????????????????к?????????????????????????????????????????????????λ????????????????????????λ?????????????????????????????????????з?????????????????????????????????????????,??????????С??????????????????λ???????????????????????????