利用半参数模型精化二次曲面GPS高程异常拟合模型

针对利用多项式建立的GPS高程拟合模型不能很好地拟合高程异常变化趋势面的问题,提出了在常规最小二乘多项式模型的基础上,引入一个非参数模型补偿项,并参考重力测量中最小二乘配置模型方法,建立高程异常趋势面的半参数拟合模型。以小区域GPS采集数据为例,并分别运用两种模型进行拟合与推估,结果表明,基于半参数模型的高程异常拟合与推估效果更好。     

非线性半参数模型最小二乘核估计法方程系数阵的非奇异性质

本文基于非线性半参数模型最小二乘核估计的迭代解法,证明了非线性半参数模型最小二乘类估计法方程系数阵在一定条件下的非奇异性。这种性质可类推到非线性半参数模型的其他最小二乘类估计方法和其他非线性解算方法,这是对非线性半参数模型估计理论的初步推导。     

半参数模型在高程数据处理中的应用研究

结合二次曲面与半参数模型以及最小二乘配置方程,介绍了基于二次曲面的半参数模型的方法,并用实测数据验证了该方法较经典二次曲面的有效性。通过算例分析,得出该方法可应用于河道断面测量中。     

总体最小二乘求取AR(1)模型参数

针对最小二乘方法求取AR模型参数,引进总体最小二乘方法,通过AR模型的实例计算,结果表明,总体最小二乘可以得到更高精度的模型参数,具有更小的中误差。     

线性半参数模型非参数假设检验理论和方法

线性半参数回归模型L=Bx+s+Δ是线性模型与非参数回归模型的混合体,在半参数模型补偿最小二乘估计基本理论的基础上,详细介绍了半参数模型非参数假设检验的理论与方法,导出了其假设检验统计量,并对检验统计量的分布进行了推导与证明。最后通过模拟算例验证了其理论与方法的有效性。     

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.     

最小二乘配置模型在 GPS 高程拟合中的应用

经典的平差函数模型中只含有无先验统计信息的非随机参数,而针对附有随机参数的平差问题具有很大的局限性,为此在GPS高程拟合中,本文用最小二乘配置模型解决了这一问题,并且通过实际算例,设计两种最小二乘配置拟合方案与二次曲面拟合法进行了比较,结果表明,最小二乘配置拟合残差较小,外符合精度较高,高程拟合效果更好。     

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。     

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     

RBF神经网络一半参数优化模型在滑坡预报中的应用

将RBF神经网络模型与基于补偿最小二乘准则的半参数模型相结合,首先进行RBF神经网络模型的预报,在此基础上进行半参数模型改正,非参数利用补偿最小二乘法求出,建立优化的RBF神经网络——半参数模型.结合某边坡的GPS高程观测数据进行建模预测,与单一采用RBF神经网络预报模型相比,结果显示精度较好,该方法有效可行.