补偿最小二乘估计在确定高程异常中的应用

针对常规最小二乘拟合求解高程异常存在的模型误差,本文提出将模型误差看作非参数信号采用补偿最小二乘法来处理,讨论了正则化矩阵R和平滑参数α的选取对拟合结果的影响,在对各种求解光滑参数深入研究的基础上,提出了一种Xu(α)函数法,并对一个测区的GPS水准数据进行解算,结果表明,利用补偿最小二乘模型求解高程异常优于最小二乘法。     

吉洪诺夫正则化总体最小二乘的圆曲线拟合

针对利用离散的观测坐标拟合圆曲线,在观测点分布较为集中时,会引起法方程病态问题,使用高斯-马尔可夫模型,以圆的参数方程为数学模型,引入更多的参数,结合Tikhonov正则化进行总体最小二乘,并对公元前500年古希腊科林斯赛马场跑道的一组考古数据(观测点集中分布在跑道起点处,该跑道近似为圆形),采用Tikhonov正则化总体最小二乘求解曲线参数.实验结果表明,该文提出的基于高斯-马尔可夫模型的Tikhonov正则化总体最小二乘方法可以有效解决圆曲线拟合中的不适定问题.     

病态乘性误差模型的加权最小二乘正则化迭代解法及精度评定

针对乘性误差模型的病态问题,引入Tikhonov正则化方法,导出了病态乘性误差模型的加权最小二乘正则化解.顾及加权最小二乘正则化法在求解病态乘性误差模型时,参数估值与观测值之间存在复杂的非线性关系,本文利用一种无需求导、通过加权的方式便能够计算非线性函数的均值和均方误差阵的比例对称采样的无迹变换(scaled unscented transformation,SUT)法,对病态乘性误差模型进行精度评定.模拟算例和真实算例结果表明,本文提出的加权最小二乘正则化迭代解法可以有效减弱模型的病态性,基于SUT法的精度评定方法能够得到比已有方法更为合理的精度信息,具有较强的适用性.     

病态变量含误差模型的分步正则化算法

针对数值逼近理论的病态变量含误差模型正则化算法无法顾及模型的随机性质,以及获得的参数估值不具有统计意义的问题。该文在对现有算法进行拓展的基础上,提出了分步的正则化算法:首先通过构造约束矩阵改善模型的病态性,获得稳定的参数初值;然后应用参数的最小二乘正则化解作为初值,建立附有不等式约束的总体最小二乘参数估计模型;最后,通过实例对已有算法与本文所建立的算法进行比较。结果表明,该算法弥补了现有的算法单一通过正则化参数实现模型正则化存在的不足,避免了总体最小二乘算法具有的降正则化性质导致的参数估计发散,具有稳定的收敛性质。     

一种Partial EIV半参数模型的系统误差处理方法

在使用总体最小二乘求解参数时,若观测值中包含系统误差,此时得到的参数估值则会受到系统误差的影响,从而得到不可靠的解,因此必须削弱系统误差对参数估计的影响,以获得相对可靠的解。本文提出在partial errors-in-variables （Partial EIV）模型的基础上给观测值增加非参数部分（系统误差）,从而构建Partial EIV半参数模型;基于补偿最小二乘准则进行公式推导,并分别通过选取适当的正则化矩阵及通过L曲线法确定平滑因子。通过算例结果分析表明,与传统方法相比,本文的方法在一定程度上能够削弱系统误差的影响,得到更为可靠的参数解,从而验证了该方法的有效性和可行性。     

正规化矩阵正定时半参数估计量的统计性质

利用补偿最小二乘原理构造加权惩罚平方和,得到半参数模型中正规化矩阵正定时参数和半参数的估计量.从偶然误差的统计特征出发,详细讨论这种平差方法得到的参数估值的一些统计性质,并对半参数平差与最小二乘法的参数估计值进行比较.理论分析表明,通过选取合适的平滑参数,半参数平差方法优于最小二乘法.另外从数理统计的角度对平滑参数的选取进行分析,得到平滑参数的取值范围,也给出了平滑参数对模型精度的影响.     

半参数模型的累积估计

文献 [1]用累积法研究了线性回归模型 ,得到了与最小二乘法相当的效果。本文将运用此法研究半参数模型得到了参数 β及非参数s (ti)的估计量 ;而后模拟一个例子 ,说明了此法的有效性。运用累积法不仅能得到与补偿最小二乘法相当的效果 ,而且弥补了补偿最小二乘法的一些不足。若该法与补偿最小二乘法结合在一起使用 ,将会得到较理想的结果。     

基于广义补偿最小二乘法的航空重力向下延拓

航空重力向下延拓是病态问题,而广义补偿最小二乘法可以很好地克服病态性。研究了基于广义补偿最小二乘法的逆Poisson积分的航空重力向下延拓模型,并设计实验方案,将EGM2008地球位模型计算的重力异常作为仿真实验的数据,分别用最小二乘、Tikhonov正则化、广义补偿最小二乘3种方法求解,对其精度及仿真效果进行比较。结果表明,广义补偿最小二乘方法精度高,对仿真效果有显著提高。     

回归模型误差补偿半参数法中正则矩阵任意时的参数估计

用试验观测数据建立的回归拟合模型不可避免地存在模型误差,将模型误差视为非参数分量列入回归模型的半参数模型是一种重要的回归模型.本文利用补偿最小二乘原理,导出了顾及预测点的半参数回归模型参数及模型误差的估计量,并对估计量进行精度评定,给出了估计量及精度评定的相应公式.在理论分析的基础上,得出了只要正则矩阵R的选取使法方程...     

测量平差双光滑参数解算半参数模型的研究

半参数模型解算的补偿最小二乘法用于测量平差,是基于残差带权平方和与系统误差补偿项之间的平衡关系而提出的,这种平衡是通过光滑参数来实现的。光滑参数一般利用特定方法在正实数中选取,范围较大。本文尝试在极小化过程中,将残差和补偿项两部分同时赋予光滑参数,给出了此种情况下的半参数模型的解及简单的统计性质。为保证残差和补偿项的平衡关系,解算时,要求两部分光滑参数之和等于1,且光滑参数在不大于1的正数中选取,这样大大缩小了光滑参数的选择范围。模拟算例证明了这种方法的可行性。     

最小二乘配置模型的参数估计

利用罚最小二乘原理构造加权惩罚平方和,导出了最小二乘配置模型中正规化矩阵正定时参数平差的计算方法,用直接法得到了参数和信号的估计量,给出了相应的公式.通过选取合适的平滑因子,能使残差的分布更接近其真实分布,提出了回归系数的检验方法,用实例说明了其有效性.     

随机删失下半参数模型的补偿估计方法

考虑半参数测量模型L=Bx+S+Δ,x∈Rd为未知回归参数,S为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然插值样条函数。其次利用补偿法并综合最小二乘法,导出了这种平差方法的解算公式。在本文的最后,将这种方法与最小二乘平差方法进行了比较分析,结果说明,半参数测量模型能更接近于真实情况。     

补偿最小二乘估计在重力测量中的应用

在测量数据处理中,系统误差总是作为有害成分设法予以消除或补偿,但随着测绘科技的进一步发展,也有一些研究者将系统误差或非参数信号看作非随机变量,利用补偿最小二乘等方法,提取系统误差,从而对它有更多地了解,以满足高精度测量的需要。而本文在系统误差为随机变量的情况下,利用补偿最小二乘法研究半参数模型。得到了参数及非参数的估计;接着,讨论了估计量的若干统计特性;最后,用补偿最小二乘法研究重力测量中的重力异常问题,得到了重力异常的估计值,相同于用最小二乘配置法所得的结果,从而说明本文方法的有效性。     

自然样条半参数模型与系统误差估计

采用自然样条逼近的数据处理方法 ,探讨了自然样条半参数回归分析方法。在补偿最小二乘的原则下 ,利用三次样条函数构造补偿项 ,通过广义交叉核实函数自动选取光滑参数。自编程序进行计算 ,得到了回归参数向量和样条函数的补偿最小二乘估计。模拟计算表明 ,该方法适合于回归函数模型误差与测量系统误差的估计     

火山形变Mogi模型反演的病态总体最小二乘解算方法

相对最小二乘方法,总体最小二乘顾及了观测方程系数矩阵含有误差的情况,然而,当系统出现病态时,总体最小二乘受病态的影响将更加明显。因此,针对病态总体最小二乘问题解算方法的研究越来越多受到关注。文中基于总体最小二乘进行火山形变Mogi模型反演,针对反演过程中出现的病态性问题,采用虚拟观测解法、谱修正迭代解法、共轭梯度解法,通过模拟算例验证文中方法在抑制病态性方面的有效性。与一般总体最小二乘、正则化总体最小二乘等方法相比存在优势。     

Generalized Penalized Least Squares and Its Statistical Characteristics

IntroductionThe semiparametric models is composed of lin-ear parametric model and nonparameter (or non-parametric signal) ,so the model does not haveonly one solution on the least squares conditionVTPV=min,the normal equations is singular[1].In order to g…     

Generalized penalized least squares and its statistical characteristics

The solution properties of semiparametric model are analyzed, especially that penalized least squares for semiparametric model will be invalid when the matrixBTPB is ill-posed or singular. According to the principle of ridge estimate for linear parametric model, generalized penalized least squares for semiparametric model are put forward, and some formulae and statistical properties of estimates are derived. Finally according to simulation examples some helpful conclusions are drawn.