Lq估计的渐近方差-协方差矩阵及其特点

针对由独立同分布误差膨胀而成的独立不等精度误差,根据未知参数的M估计的Bahadur型线性表达式,本文导出了由观测量、残差向量、参数估计量和观测量平差向量组成的基本向量的Bahadur型表达式.进一步地,根据方差传播定律导出了M估计的基本向量的渐近方差-协方差矩阵,该矩阵由3个多余参数决定,第三多余参数由本文定义.对Lq范估计,分别计算了误差分别为正态分布和q范分布时的3个多余参数,以及相应的基本向量的方差协方差矩阵.对最小二乘估计,残差向量与参数估计量和观测量的平差向量统计独立,相应的协方差矩阵为零,这一性质与误差分布无关.对正态分布的Lq估计,残差向量与参数估计量和观测量平差向量的协方差不为零;而对q范分布的Lq估计,即是相应的极大似然估计,残差向量与参数估计量和观测量平差向量的协方差为零.文中所得公式和结论可用于统计分析.     

半参数模型稳健估计及其应用

在半参数模型估计中,均假设观测误差服从正态分布.当观测量含有粗差时,粗差对参数和非参数估计的影响是不可忽略.基于此,首先在总结线性参数模型稳健估计基本理论的基础上,论述了M估计权因子的确定方法.然后提出了半参数模型稳健估计方法,并导出半参数模型(广义)补偿最小二乘稳健估计的基本公式.最后通过两个模拟算例验证了其估计方法的有效性.     

半参数模型稳健估计及其应用

在半参数模型估计中,均假设观测误差服从正态分布。当观测量含有粗差时,粗差对参数和非参数估计的影响是不可忽略。基于此,首先在总结线性参数模型稳健估计基本理论的基础上,论述了M估计权因子的确定方法。然后提出了半参数模型稳健估计方法,并导出半参数模型(广义)补偿最小二乘稳健估计的基本公式。最后通过两个模拟算例验证了其估计方法的有效性。     

病态方程基于Liu估计的一种迭代估计新方法

当线性回归模型的设计矩阵病态时,最小二乘（least square,LS）估值方差大且不稳定,已不是一种优良估计。为了减弱病态性,许多有偏估计法如岭估计、主成分估计、Liu估计等被提出。基于Liu估计,引入迭代的思想,提出了一种新的有偏估计法—迭代估计法。借助对称正定矩阵的谱分解,将迭代公式转化为便于解算的解析表达式,并证明迭代公式在修正因子d∈[-1,1]是收敛的。基于Liu估计中修正因子d的确定方法,在均方误差最小的情况下给出最优修正因子d的确定公式。最后,分别利用LS估计、岭估计、Liu估计和提出的迭代估计对两个算例进行计算并给出实验结果。在第一个算例中,对观测向量添加不同的扰动,结果表明迭代估计法具有更强的抗干扰能力;第二个算例的结果表明,迭代估计法所得结果更接近于真值,即迭代估计法在均方误差意义下优于LS估计、岭估计和Liu估计。     

不等式约束加权整体最小二乘的凝聚函数法

误差向量的方差-协方差阵是一般对称正定矩阵下的附不等式约束加权整体最小二乘平差模型,研究了其参数估计和精度评定问题。首先,将残差平方和极小化函数在整体最小二乘准则下转化为只包含模型参数的目标函数,同时将所有的不等式约束表示成一个等价的凝聚约束函数,并运用乘子罚函数策略将不等式约束加权整体最小二乘平差问题转化为相应的无约束最优化问题,并用BFGS方法求解。然后,将误差方程和约束函数线性展开,推导了最优解和观测量间的近似线性函数关系,运用方差-协方差传播律得到了最优解的近似方差。最后,用数值实例验证了方法的有效性和可行性。     

附不等式约束的地表沉降时间序列自回归EIV模型

地表沉降监测是预防地质灾害发生的有效方法,时间序列模型是进行地表沉降预测的主要模型。传统AR(autoregression)模型参数估计算法没有顾及模型系数矩阵中的元素含有观测误差的情况。为同时顾及模型观测向量与系数矩阵中的元素均含有观测误差的情况,应用变量中含有误差(errors-in-variables,EIV)的参数估计模型改进基于时间序列的地表沉降预测模型。为提高AR模型参数解的收敛速度与精度,应用先验信息构建具有不等式约束的EIV模型,将建立的附有不等式约束EIV模型参数估计问题转化为非线性模型的二次规划问题,结合中位函数建立参数估计迭代算法。为论证所建立算法的有效性与可行性,通过实验分别对AR模型参数估计的最小二乘算法、EIV模型参数估计算法与该算法进行比较。实验证明,所建立算法具有较高的精度和效率,是一种可行的方法。     

P范分布的实数阶与对数矩估计法

从参数估计的精度和算法的复杂度出发,对P范分布参数的估计方法进行了改进。根据误差分布的实际情况,引入实数阶和对数矩估计方法,建立了P范分布的参数估计的实数阶矩估计方法。首先,利用实数阶矩估计法,导出了形状参数p与实数阶阶数r的关系式,对形状参数的选取给出了相应的建议;其次,改进矩估计理论,利用对数矩估计方法导出了形状参数、期望及中误差的非线性估计公式,消除了函数截断误差对参数估计值计算的影响,并利用迭代算法给出了相应参数的解算方法和计算流程;最后,用一个模拟算例和两个实测算例分析了实数矩、对数矩和极大似然估计3种估计方法的稳定性和精度。结果说明,本文提出的矩估计方法在稳定性、精度和收敛速度等方面均优于极大似然估计方法,推广了现有的误差理论。     

病态加权总体最小二乘的广义岭估计解法

针对加权情形下的变量误差(EIV)模型,采用广义岭估计法处理总体最小二乘平差的病态性问题. 结合最优化准则和协方差传播率推导了未知参数的改正数求解公式;根据参数估计值的均方误差最小化原理,通过求偏导数列出广义岭估计中岭参数的迭代解式,并讨论了广义岭参数的含义和作用,给出了确定岭参数的L-曲线法. 通过算例比较分析了加权最小二乘估计、总体最小二乘估计、加权最小二乘岭估计、总体最小二乘岭估计、加权最小二乘的广义岭估计和总体最小二乘广义岭估计,叙述了加权总体最小二乘的广义岭估计的优缺点.      

病态加权总体最小二乘模型的截断奇异值解法

利用截断奇异值解法处理了病态加权总体最小二乘模型,详细推导了参数的截断奇异值解及其偏差、方差以及均方误差公式,该算法无需迭代求解,易于实现。将截断奇异值解的均方误差与最小二乘解的方差进行比较,发现当奇异值由大到小依次变化时,截掉奇异值所造成的解的均方误差下降量的符号由负逐渐变正,由此导出了确定截断参数的公式。数值算例和病态测边网算例分析结果表明,受模型病态性的影响,最小二乘解和总体最小二乘解的精度较差;截断奇异值解能够有效地削弱模型的病态性同时又顾及了系数阵的误差,其解的精度最高。     

均方误差意义下的正则化参数二次优化方法

Tikhonov正则化法是大地测量中应用最为广泛的病态问题解算方法之一。影响正则化法解算效果的重要因素是正则化参数,然而,最优正则化参数的确定一直是正则化解算的难题,如L曲线法确定的正则化参数具有稳定性好、可靠性高的优点,但存在过度平滑问题,导致正则化法对模型参数估值精度改善较小。本文从均方误差角度分析了正则化参数对模型参数估计质量的影响。基于奇异值分解技术,提出了由模型参数投影值分块计算均方误差的方法,避免了均方误差迭代计算,并基于均方误差最小准则给出了正则化参数优化方法,实现了对L曲线正则化参数的优化。数值模拟试验与PolInSAR植被高反演试验结果表明,正则化参数优化方法有效改善了正则化法解算效果,提高了模型参数估计精度。