高程异常拟合病态EIV模型的广义岭估计算法

应用法方程矩阵的特征向量构造正则化矩阵，改进通过单一参数既要实现降正则化、又要实现正则化的高程异常拟合病态模型算法。以二次多项式拟合模型为例，应用实测数据对算法进行验证，并与现有病态模型的正则化算法进行比较。     

信息扩散函数在半参数地壳形变分析中的应用

提出一种利用信息扩散函数构建正则矩阵的新方法。首先,仅保留半参数模型的参数化模型部分,利用最小二乘估计获取参数模型的最小二乘残差;然后,将此残差向量作为信号,计算信号的信息扩散函数估值;最后,将信息扩散估计值作为正则矩阵的主对角元素构建正则矩阵。与时间序列法相比,新方法淡化了对信号连续性和光滑性的要求,且信息扩散函数估值本质上是残差的概率分布,相当于事先合理地确定了信号权阵,使得参数估计具有良好的稳健性。中国大陆华北块体的半参数地壳形变分析结果表明,新方法具有明显优势。     

不适定方程正则化算法的谱分解式

从观测方程系数矩阵的谱分解着手探讨不适宜方程的正则化算法。利用谱分解式阐明了正则化的主要作用是平滑对参数估值比较敏感的观测误差的高频分量，完整给出了最小二乘平差、秩亏平差和病态方程正则化解的谱分解公式，证明了正则化解参数估值偏离真值的二次范数的期望值与均方误差是等价的。     

一种计算补偿最小二乘正则化参数的最优化方法

在半参数模型补偿最小二乘估计中,如何有效地计算正则化参数是求解的关键。在建立一种新的补偿最小二乘模型的基础上,基于广义交叉核实与L曲线准则,采用最优化方法计算正则化参数。仿真计算表明,本文方法是一种计算正则化参数更为有效的方法。     

基于多参数正则化的空间坐标转换功能与改精度分析

三维坐标转换广泛应用于测绘内业计算中,其转换参数直接影响到转换点的精度.采用Bursa模型通过3个以上的公共点利用最小二乘法求取转换参数时,其中的系数矩阵严重病态,使求得的转换参数在公共点范围之外并不可靠.提出了基于Morozov偏差原理的Tikhonov正则化方法,考虑平移量、旋转角和尺度的多正则化参数的计算模型.模拟实验精度分析表明:多参数正则化求得的转换参数较最小二乘和单参数正则化,可以更好地提高外推精度和稳定性.     

病态模型平差的变分正则化方法

本文对病态模型平差问题进行研究,指出由于模型病态将引起平差结果的摄动,而根据Тихонов的变分正则化理论可构造出一种抗摄动的平差方法.文章通过理论分析和计算实验证明,只要合理的选择正则化参数α,就可使平差结果的均方误差比传统的最小二乘估计小,从而改善平差结果的精度.     

一种基于Partial EIV模型的多项式拟合解法

针对多项式拟合模型系数矩阵中部分元素是某一自变量的函数的特点,根据Partial EIV模型的解算思想,将系数矩阵中自变量的函数作为随机元素提取,顾及泰勒展开的二阶项,由协方差传播律计算自变量函数的协因数阵进行平差解算。实验结果表明,系数矩阵的元素不再是单独的自变量时,使用该算法可以得到与已有非线性总体最小二乘方法相近的参数结果,从构造随机向量权阵的角度提供了一种新的解算方法。     

基于归一化磁源强度的聚焦反演方法

针对剩磁条件下铁磁物质反演中存在的问题,提出基于归一化磁源强度的聚焦反演方法。首先,利用归一化磁源强度作为实测数据对磁性目标进行反演,减弱剩余磁化对反演结果的影响;然后,利用深度加权矩阵和最小支撑矩阵对经典Tikhonov正则化理论框架下的反演模型进行约束得到目标函数,并有效解决了核函数随深度增大而快速衰减的问题;最后,通过对目标函数进行迭代奇异值分解获得最佳物性参数,并根据Morozov偏差原则自适应地确定目标函数在迭代过程中的正则化参数,提高了迭代速度和求解精度。     

等式约束病态总体最小二乘模型的正则化解及其精度评定

利用平差参数间合理的先验信息能够显著提高解的精度。在病态总体最小二乘模型的基础上，引入等式约束条件，建立等式约束病态总体最小二乘模型，构建该模型的约束正则化准则，并根据拉格朗日极值法导出参数的迭代解及方差-协方差阵，最后以数值算例和病态测边网算例验证公式的正确性。结果表明，新方法通过正则化准则能改善法矩阵的病态性，且遵从EIV准则顾及系数阵的误差，同时还考虑参数间合理的先验信息，其解的精度得到显著提升。     

病态总体最小二乘靶向奇异值修正法

一般病态问题是法矩阵出现几个特征奇异值，计算过程中可用靶向矩阵修正奇异值。总体最小二乘迭代过程中，系数矩阵不断微变，靶向矩阵也应随之改变。针对靶向矩阵变化问题，推导2种病态总体最小二乘靶向奇异值修正法，先求出新系数矩阵，再求靶向矩阵，最后迭代计算出参数估值。实验验证了该方法的优势。     

���򻯷�����ͳһ

????С?????????????任??????1????????????????????????????????????????Э????????????????????????????????????????????Tikhonov?????????????????????????????鷽?????????????????????Э??????????????     

正则化方法的统一

对最小二乘估计作线性变换,使得新估计是真值的最优拟合,并且包含模型参数的先验误差协方差阵。从滤波因子的角度对正则化方法进行统一,提供了常见的Tikhonov正则化方法、截断奇异值法、广义岭回归方法等的滤波因子与对应的误差协方差阵的特征值。     

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

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

һ�ּ��㲹����С�������򻯲��������Ż�����

??????????????С????????У??????Ч????????????????????????????????μ??????С????????????????????彻??????L??????????????????????????????????????????????????????????????????????????Ч???????     

应用分块矩阵求逆解算约束秩亏间接平差模型

在通常的四分块矩阵求广义逆矩阵和凯利逆矩阵公式基础上,分析左上角子矩阵为秩亏、右下角子矩阵为零的特殊四分块矩阵的凯利逆矩阵存在条件,应用广义逆矩阵法和矩阵变换法推导该类特殊四分块矩阵的凯利逆矩阵显性表达公式,并用于解算约束秩亏间接平差模型的参数估计。实验数据表明,当满足存在性条件时,应用分块矩阵求逆公式解算约束秩亏间接平差模型的结果与间接平差模型的解算结果一致,表明推导的显性表达公式具有可行性。     

一种选权迭代法的半参数回归模型在滑坡预测中的应用

传统抗差估计中的选权迭代法无法探测到模型的系统误差，而基于补偿最小二乘原理的半参数模型可以较好地分离出系统误差。通过建立选权迭代法的半参数回归模型，利用时间序列法、L曲线法分别确定模型中的正则化矩阵及平滑因子，并利用选权迭代法重新定权，同时降低了观测粗差和系统误差对参数估值的影响。通过仿真算例，并以重庆奉节县大坪滑坡实测数据为例，验证了选权迭代法的半参数回归方法应用到三峡库区滑坡预测的有效性和优越性。     

���ڶ�������򻯵Ŀռ�����ת���뾫�ȷ���

????????????????????????????,?????????????????????????????Bursa??????3??????????????????С?????????????????????е??????????????,???????????????????Χ??????????????????Morozov???????Tikhonov????????,???????????????????????????????????????????????????????????????????????????????С?????????????????????????????????????????     

��̬������С����ģ�͵������㷨

????????????????????????????????????????????????????С????????в???????,?????????????С???????????????????????????????????Tikhonov?????????????????????С??????????????????????????????????????????????Э????????????????????Fredholm???????????????????????????С????????????????????? ???????????????????????й?????????????????????????????