用信息扩散估计进行水准网平差

信息扩散估计（ＩＳＥ）是一维参数估计中的较好方法，但不便于直接推广到多维参数估计中去，本根据水准测量的特点，巧妙地将其推广到水准网平差这一多维参数估计中，部分地解释了信息扩散估计在测量数据处理中的应用问题。     

运用多参数的信息扩散估计的导线网平差

信息扩散估计技术被应用到水准网平差这一多维参数估计中,部分地解决了在测量数据处理中的应用问题。在此基础上,将多参数的信息扩散估计进一步推广到导线网平差中,并通过实例计算与传统预测方法进行了比较,结果表明,该方法具有较高的精度和推广应用价值。     

最优信息扩散估计理论及其应用

介绍了最优窗宽和最优扩散函数的理论,提出了最优信息扩散估计(OptimalInformationdiffusionEstimation,OIDE)的概念。由于OIDE在参数估计之前就估计出了具体的观测值的实际分布,所以不论观测值服从什么分布,它都能得到良好的参数估值。可见,OIDE是一种智能型的参数估计方法。最后,本文扼要介绍了最优信息扩散估计在测量数据处理中的诸多应用,并指出进一步的研究方向。     

适用于高斯-马尔柯夫模型的信息扩散估计及其性能

基于信息扩散原理的估计方法 ,从一维推广到多维 ,提出了适用于高斯 -马尔柯夫模型 (G- M模型 )的信息扩散估计方法 (Information Spread Estimation- ISE)。并对其性能作了大量模拟试验研究 ,可以认为采用 ISE法消除了实际观测误差分布偏离假定分布的风险 ,抗差性能优越 ,并且不须迭代 ,从而较为成功地实现了信息扩散原理在测量数据处理中的应用。     

基于信息扩散原理的估计理论、方法及其抗差性

介绍了适合小样本情况下估计概率密度函数的信息扩散理论,导出了参数估计的信息扩散估计法——ＩＳＥ（ｉｎｆｏｒｍ ａｔｉｏｎ ｓｐｒｅａｄ ｅｓｔｉｍ ａｔｉｏｎ）。理论和实践表明,ＩＳＥ法可以在小样本情况下估计母体的概率密度函数。该方法不仅具有良好的抗差性,而且具有方法简便、便于应用等优点。     

基于信息扩散原理的估计理论,方法及其抗差性

介绍了适合小样本情况下估计概率密度函数的信息扩散理论,导出了参数估计的信息扩散估计法－ＩＳＥ。理论和实践表明,ＩＳＥ法可以在小样本情况下估母体的概率密度函数,该方法不仅具有良好的抗差性,而且具有方法简便,便于应用等优点。     

基于半参数模型的滑坡段数据估计与预测

在滑坡段数据的参数平差模型的基础上,通过在模型中增加表示模型误差或系统误差的非参数分量,将半参数模型的估计理论应用到滑坡段参数估计与预测中,分离出数据中的系统误差,给出了滑坡稳定系数的预测公式;并以云阳-奉节长江顺层岸滑坡段实测数据为例,将半参数估计方法与最小二乘方法进行了比较分析,验证了半参数估计方法应用到估计和预测滑坡段数据的可行性和有效性。     

加权混合估计中权值的确定方法

综合了大地测量中各种异方差多源观测模型和联合平差方法,说明了混合估计方法可以用于测量数据融合,平衡附加信息和样本信息对参数估计的影响。通过求取权值使参数估计的协方差阵的迹最小的方法,给出了一个权的最优选择方法。本文扩展了已有的加权混合估计方法,使得新方法中的权不受验前单位权方差的限制,能有效应用于大地测量数据处理。     

论信息扩散估计的窗宽

文献 [1]、[2 ]从理论和实践上证明了信息扩散估计是一种很好的估计。但寻找更合适的窗宽 ,是扩散估计的最大难题之一 ,也是影响扩散估计精度的最关键因素之一。在深入讨论信息扩散估计的基本大样本性质的基础上 ,提出了最优窗宽的理论和算法 ,较圆满地解决了窗宽问题。     

半参数平差模型估计量的精度评定

将半参数估计理论引入测量数据处理理论中,利用Blight和Ott提出的思想,用多项式函数来表示半参数平差模型中的非参数分量,从而得到了半参数平差模型中参数分量和非参数分量的Bayes估计量,通过理论证明,半参数模型参数分量的Bayes估计为通常意义下高斯马尔可夫模型参数估计值与参数期望的加权平均,是一致、渐近无偏和渐近有效估计量,并且其方差小于参数模型中参数估计量的方差。在一定情况下推广了平差理论,具有一定的理论价值。     

ADJUSTMENT OF LEVELING NETWORK BY INFORMATION SPREAD ESTIMATION

1　ＩｎｔｒｏｄｕｃｔｉｏｎＦｏｒｉｎｄｅｐｅｎｄｅｎｔｏｂｓｅｒｖａｔｉｏｎｓＬ ,ｔｈｅＩＳＥｆｉｒｓｔｌｙｕｓｅｓｔｈｅｆｏｌｌｏｗｉｎｇｆｏｒｍｕｌａｔｏｅｓｔｉｍａｔｅｔｈｅｄｉｓｔｒｉｂｕ ｔｉｏｎ^ｆ(Ｌ) :^ｆ(Ｌ) =1ｎｈ 2π∑ｎｊ=1ｅｘｐ( - (Ｌ-Ｌｊ) 22ｈ2 ) ( 1 )ｗｈｅｒｅＬａｒｅｏｂｓｅｒｖａｔｉｏｎｓ;ｎｉｓｔｈｅｎｕｍｂｅｒｏｆｏｂ ｓｅｒｖａｔｉｏｎｓ;ｈ =α(Ｌｍａｘ-Ｌｍｉｎ) /(ｎ - 1 ) ,ｃｏｅｆｆｉｃｉｅｎｔαｃａｎｒｅａｄｉｌｙｂｅｌｏｏｋｅｄｕｐｆｒｏｍｔｈｅＴａｂｌｅｉ…     

Adjustment of leveling network by information spread estimation

In practical parameter estimation, we have always chosen either Least Squares Estimation(LSE) or Robust Estimation. Since the distribution of observations is unknown, to select a correct estimation method is very difficult. It is well known that if observations include gross errors, the result of LSE will be badly containinated. On the other hand, if observations do not include any gross errors, the result of robust estimation is not as good as that of LSE. To solve this problem, Wang (1999) developed an estimation method called Information Spread Estimation (ISE) based on the information spread principle. The ISE is a very good method for estimating one parameter which is very robust. However, most of instances in surveying data processing are multi-parameters' estimation, owing to the inherent restrictions of ISE, it can not be applied to the surveying data processing directly. To apply the good method to the field of surveying data processing widely, the author has done the research deeply. This paper applies ISE successfully to the adjustment of leveling network by using the specialties of leveling.     

稳健估计方法提高数据处理精度

介绍了近代平差理论的稳健估计方法,编制稳健估计方法的程序,并通过实例验证,与最小二乘估计进行比较,表明稳健估计在水准网粗差探测和平差计算中优于最小二乘估计方法,并且能够定位粗差,从而进行消除或者减弱,得到较为干净的观测值。因此,稳健估计方法应用于测量平差具有一定的抵抗粗差的能力,从而可以提高数据处理的精度。     

多维平差问题粗差的局部分析法

用一个水准网说明了依据改正数进行粗差处理可能导致错误,而且粗差能够被正确处理与其所处的位置有关。为了解决这个问题,本文提出了局部分析法。局部分析法从多维平差问题的函数模型出发,根据设计矩阵得到一个被观测量的多个独立观测,包括被观测量的观测值和其他观测值的函数,并且给出了根据平差问题的设计矩阵搜索这些函数的方法。根据独立观测的数目即可判断被观测量的观测值能否容忍粗差。在此基础上提出了一种根据真误差判断被观测量的独立观测所涉及到的观测值是否含有粗差的方法。最后用一个测角网说明局部分析法和粗差探测方法的过程。     

最短独立闭合环与附合路线的快速搜索方法

提出了一种间接平差误差方程转化为条件平差条件方程的快速且易实现自动化的方法,同时采用矩阵分析理论,通过对条件方程进行特殊的矩阵分块及变换,自动搜索出水准网或GPS网的最短独立闭合环与附合路线,并自动解算出闭合差。上述方法有别于传统的图论理论,不依赖于任何信息文件,算法简单,自动化程度高。     

基于验后方差估计的稳健整体最小二乘方法

根据整体最小二乘的验后方差估计,求出观测值的验后方差,通过方差检验可找出方差异常大的观测值。然后根据经典权与观测值方差成反比的定义赋予它一个相应小的权进行下一步迭代平差,逐步实现粗差定位。通过坐标转换实验,利用一般最小二乘法(LS)、加权整体最小二乘法(WTLS)以及文中提出的稳健整体最小二乘法(RTLS)分别对待估参数进行求解对比,解算结果表明文中提出的方法能对粗差进行有效的定位,且估计量受粗差影响较小,具有稳健性,估算效果优于其它两种方法。     

基于虚拟观测的病态问题解法

在大地测量数据处理领域中,处理病态问题的主要方法有:岭估计方法、奇异值分解法(SVD)、Tik-honov正则化方法等,但是这些方法大多数是强调数学上的意义,没有充分联系大地测量的实际情况,因此不利于在测绘领域病态问题本质的理解和研究。为使病态问题的求解具有实际的物理意义,提出了基于虚拟观测的岭估计方法。该方法将先验约束条件作为一类互相独立的虚拟观测值,从而把病态问题转化为测量平差问题,然后运用Helmert方差估计法来确定岭参数。该方法还可以得到的参数之间的权矩阵,用它来代替虚拟观测值的权矩阵,重新对参数进行计算,则实现了该方法向广义岭估计的推广。实际算例分析的结果表明该方法不仅计算简单而且能保证结果精确。     

刘庄矿首采面观测站高程连接测量与数据处理

本文结合刘庄矿业有限公司首采面地表移动观测站的高程连接测量和第一次全面观测,设计了首采面地表移动站的三等水准控制网,利用抗差估计模型剔除粗差,结合最小二乘估计模型对观测结果进行了处理,并从精度、可靠性和置信度等三个方面进行分析并得出结论。为以后采集各个阶段的地表移动数据,求出参数并且得出结论提供有效的基础数据,从而为刘庄矿的后期采煤提供有效的技术保证。     

加权整体最小二乘EIV模型与算法——与"加权整体最小二乘EIO模型与算法"一文的讨论

加权整体最小二乘方法是一种能同时顾及EIV（errors-in-variables）模型中系数矩阵和观测向量误差的参数估计方法。根据不同的应用场景，EIV模型则表现出不同的结构特征。"加权整体最小二乘EIO模型与算法"一文采用EIO模型处理EIV模型中的结构化问题^*。为了将其与现有方法进行对比，本文罗列出4种处理EIV模型结构特征的方法，并归纳了8种参数估计公式。同时从精度评定的角度讨论了整体最小二乘解的一阶及更高阶精度近似评定方法。需要强调的是，针对EIV模型及其参数估计理论可以从函数模型、随机模型和参数估计方法3个方面展开研究，但各方法殊途同归。