����С��������LSSVM�Ļ��±���Ԥ��

??????????????,???????С????????LSSVM????????±???????????????С???任???????????з?????в???????????????????????????????к???????з??????LSSVM????????????????????????????????С????????LSSVM????±????????????????GM(1,1)??AR??????LSSVM??????     

�����ۻ���Сֵ��SINS��ʼ��׼

??????????????y???SINS??????????????????????????С?????????????????????SINS?????????????????????????SINS?????????????????????????λ?????????????????????????????????????????????????????????С??????????????????????????????????????????????????????????????????????????????????????Kalman???????????????????С???????????????????y??????????????????????????????Kalman???????????????????????????С??????????????????y???????????     

PPP�Ǽ䵥������ģ���ȵĹ̶�������������

??????????λ?????д????С??????????????????????????????????????????????????????????????????????????????????С????????????????????????С??????????????????????????????????????????С????????????CNES???????????????????У??????????????????????????????????????????IGS??????????з??????????????????????????????????λ??????????????λ???????????λ????????????????????λ??????????????63.8%??     

�ɹ㲥������������λ�á��ٶȼ����ȷ���

????????????????????????????λ?á????????????????????????????????????????????????????????λ???????????????????????????????????????t?????????????????????????λ?á?????????з??????????????GPS???????????????λ?????С??2 m?????????????0.1 cm/s????     

�����Ͷ�Ms5.1����ǰ�˲�̨����Ӧ��۲����ϱ仯ԭ�����

???ó????????????С???任????????Ms5.1????????????????????????仯??????з???????????????????2????????????????????????????????????????????????????к??????????????????????????仯???????????????????????????????С??????????????????仯???????????????????????????仯?????????????????????????????仯??     

���ڽض���С���˹��ƵĶನ���쳣����ֵ�޳�����

????????????????????д?????????????ο????????????????????????С??????????????????????????????????y????С????????????????????о???????????????????????????????????棬????????????????????????????в??????????????????????????????????????????й?????????????????????????λ?????????????????????????????????????????????????????????????????д???????????????????????н?????Ч????     

��Ȩ������С���˵ĵ����ⷨ

?????????????С???????????????????????С???????????????С???????????????????????????????????????С?????????????????????????С??????????????????й?????????????????????????y?????????     

����ǰ��Դ����λ�����о�

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

������С���˷������������о�

?????????????????????С??????????????????????????С????в????????С????в?????????????????????????Σ??о???????С?????????????С??????????С??????????????????????ó???????????????????ó?????????     

���ʶ���������С�������������ͬ�׷�����Ӧ��

???????????????????????Jacobian???????????????????????????????С?????????????????????????С?????????????????????????в?????????С??ж?????????????????????2??????????????????仮??????????????????С??????????н???????????÷???????????????????????????????????????????????????????????????????????????????????????????????????????????С??????????????С??????     

�Իع�ģ�Ͳ����Ľṹ������С���˹���

????????С??????????????????????????????????????????????????????????????????????????????????????????????С???????????????????С?????????????????ü?????????????????????????????????????????????μ????????С?????????????????????????????????????????Ч??????÷????????????????????????????????     

非等间距GM(1,1)模型的总体最小二乘算法及其病态问题

在非等间距GM(1,1)模型中，系数矩阵中有无误差的常数项和有误差的随机项，并且系数矩阵与观测向量误差同源，即系数矩阵与观测向量中有相同的元素存在，这些相同元素应该有相同的改正数，为此本文推导了一种适合非等间距GM(1,1)模型求解的总体最小二乘算法。同时，考虑到非等间距GM(1,1)模型中存在病态问题时影响总体最小二乘计算结果的稳定性，提出对系数矩阵常数列乘以某一常数的方法，以改善病态问题。     

求解球面拟合的改进总体最小二乘算法

在球面拟合中，系数矩阵和观测向量的误差同源，均来源于球面点坐标。不同位置有相同元素存在，从理论上讲，这些相同元素应该有相同的改正数，并且非线性形式出现在观测向量中。为此，本文推导了一种改进的总体最小二乘算法，可以很好地克服上述问题。通过算例分析发现，本文方法得到的参数估值更为可靠，证明了本文方法的有效性。     

基于选权迭代的总体最小二乘算法在三维坐标转换中的应用

提出一种基于选权迭代的TLS算法,通过IGG I函数进行定权,降低含粗差观测值的权值,在进行三维坐标转换时能有效地处理观测值粗差。实例证明,该算法可以获取更高精度的三维坐标转换参数。     

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。     

����������������С����ƽ���

????????????????????????????????????????????????????????????????????????????????????μ???????С???????????????t???????????????????????????????????С???????????????????????????????????÷???????Ч?????????     

地壳形变分析的总体最小二乘配置方法

针对地壳形变问题中观测向量和趋势项系数矩阵均含有误差的情况,研究了总体最小二乘配置平差方法,在广义总体最小二乘准则下推导了具体的解算公式和迭代算法。利用模拟的地壳水平形变和2009年意大利L’Aquila实际地震数据进行分析,结果表明,总体最小二乘配置与传统的最小二乘配置方法在地壳形变分析中的效果基本一致,并给出了相关的理论依据。     

病态加权总体最小二乘模型的正则化抗差解法

针对EIV模型系数阵病态且系数阵和观测值精度不同的情形,基于拉格朗日乘数法导出病态加权总体最小二乘模型的正则化解法,并证明已有的等权病态总体最小二乘模型的正则化解法是其特例。在此基础上,进一步提出基于中位数法的病态加权总体最小二乘模型的正则化抗差解法,并用第一类Fredholm积分方程和病态测边网两个算例验证算法的有效性。结果表明,受系数阵病态性以及粗差的影响,最小二乘解和总体最小二乘解精度较差,严重偏离真值;正则化解法在顾及系数阵和观测值误差的同时可有效削弱模型的病态性,其精度较最小二乘解和总体最小二乘解有所提升;而正则化抗差解法在正则化解的基础上,利用等价权函数重构权阵,能有效抵御粗差的影响,其精度最高。     

空间直线拟合的PEIV模型的构建与解法

针对空间直线拟合不宜直接采用总体最小二乘算法和混合总体最小二乘算法的问题，提出一种基于PEIV模型的总体最小二乘法的空间直线拟合算法。首先将空间直线的标准方程进行变换，改写为总体最小二乘的EIV模型；然后针对系数矩阵的特点，将模型转换为更加合理的PEIV模型，线性化成类似于最小二乘间接平差形式，采用迭代的方法求解拟合参数。平差过程保证了系数矩阵重复元素的改正数一致，常数元素的改正数为零，符合实际理论；最后，通过算例比较验证了该方法的可行性和优越性。     

������С���˽������о�

??????????,??????????С?????????С??????????任???????????????????С?????????????????????С???????????????????С??????????????????С????????????????????С???????????????????????????????????????????????С????????С????????в??λ??????????????????