抗差岭估计的误差影响测度

当观测值受异常污染影响而不服从正态分布，且平差法方程出现病态时，采用抗差岭估计可得到参数的理想解。本文基于抗差岭估计理论，导出了抗差岭估计的误差影响函数，以及实用的抗差岭估计参数解差和参数解差函数，并结合实例作了多种的试算和比较，结果表明，抗差岭估计的误差影响函数对模型及参数解的理论分析具有重要意义，参数解差函数计算方便，几何意义明确。     

有偏估计与LS估计的比较与选择

从假设检验的角度研究测量平差Gauss-Markov模型中有偏估计与LS估计的选择问题。首先在均方误差准则下对目前应用最广泛的2种有偏估计－－岭估计和主成分估计与LS估计进行了比较研究，得到了岭估计、主成分估计优于LS估计的条件；然后运用统计方法对这些条件的成立进行了假设检验；最后通过数值实验说明，在一定显著性水平下当原假设被接受时，说明没有理由不相信采用有偏估计来代替LS估计的合理性，可认为采用有偏估计将对LS估计做出比较有效的改进，当原假设被拒绝时，说明对采用有偏估计的优越性产生了怀疑，此时建议仍采用LS估计。     

抗差岭型组合主成分估计及误差影响

本文从有偏估计类中的岭型组合主成分估计出发 ,结合抗差估计理论 ,利用抗差M估计模型 ,提出了一种新的抗差有偏估计法———抗差岭型组合主成分估计。推导了平差参数的抗差岭型组合主成分估计解 ,以及平差参数的验后精度和误差影响函数。计算结果表明 ,抗差岭型组合主成分估计不但能克服法方程系数阵病态性的影响 ,而且能有效地抵制观测值中精差的异常干扰 ,使参数的解更为准确可靠     

主成分估计在多项式曲面拟合GPS高程中的应用

阐述了多项式曲面拟合GPS高程中参数数目对结果的影响,比较了传统最小二乘平差、主成分估计和岭估计在不同参数时的计算结果,主成分回归在不同参数时都可以取得比较满意的结果。     

岭-主成分组合估计及其在测量平差中的应用

在分析岭估计缺陷的基础上，运用主成分估计方法，提出了测量平差Gauss-Markov模型参数的一个新的有偏估计，称为岭-主成分组合估计，在均方误差意义下讨论了岭-主成分组合估计的质及其岭-主成分组合估计与岭估计、主成分估计的比较问题，讨论了岭-主成分组合估计中偏参数的选取问题，得到了许多重要结论。理论分析和计算结果都表明，岭-主成分组合估计是一类很有潜力的有偏估计。     

线性化通用EIV平差模型的岭估计解法

通用EIV(errors-in-variables)平差模型作为经典平差模型的一般化形式,具有同时顾及多种随机误差的优势. 在通用EIV平差模型加权总体最小二乘(WTLS)的线性化估计基础上,引入正则化准则. 正则化矩阵为单位矩阵时为岭估计,添加目标函数,通过建立拉格朗日目标函数的最小化求解,导出加权通用EIV平差模型对应的岭估计解式,给出了确定岭参数的U曲线法和L曲线法. 计算了通用EIV平差模型的线性化估计、两种岭估计及其对应的方差分量值;验证岭估计对通用EIV模型的线性化估计具有促进性,可减少迭代次数,使得参数方差分量更快趋于平稳,降低参数估计的计算量.      

岭型组合主成分估计及误差影响

将岭型组合主成分估计用于测量平差,定义了平差参数的岭型组合主成分估计,推导了它的验后精度─均方误差及其误差影响函数,讨论了它的优良性质,并且证明了在一定条件下,它具有比最小二乘估计和岭估计更好的抗干扰性和抗差性。最后,用实例验证了其理论的正确性。     

选取岭参数的一个新方法

当法方程的系数阵呈病态时,平差参数的最小二乘估计不再是一个良好好估计。为改进最小二乘估计,许多学者提出众多的有偏估计方法,其中影响最大的是岭估计和主要估计。     

Gauss-Markov模型的岭型GM估计

针对目前文献中提出的各种抗差有偏估计没有对设计空间的粗差进行控制的问题,将岭估计与GM估计结合起来提出了一种新的抗差有偏估计———岭型GM估计,理论分析和计算结果均表明岭型GM估计不仅能消除法矩阵病态性的不良影响,而且能同时具有观测空间和设计空间的抗差性,是一种性能良好的估计。     

Gauss-Markov模型的岭型GM估计

针对目前文献中提出的各种抗差有偏估计没有对设计空间的粗差进行控制的问题,将岭估计与GM估计结合起来提出了一种新的抗差有偏估计--岭型GM估计,理论分析和计算结果均表明岭型GM估计不仅能消除法矩阵病态性的不良影响,而且能同时具有观测空间和设计空间的抗差性,是一种性能良好的估计.     

抗差岭估计原理及其应用

本文从有偏估计类中的岭估计和广义岭估计出发，利用抗差Ｍ估计原理，建立相应的抗差估计模型，导出岭估计和广义岭估计的抗差解式，最后结合一个算例作了多种方案的试算和比较：抗差岭估计不仅能有效改善法矩阵病态，而且能有效地抵制观测的异常干扰，使参数解更优     

平差参数的岭估计和压缩估计

当法方程的系数矩阵呈病态时,平差参数的统计性质就要变坏。为改善最小二乘估计,本文介绍岭估计和压缩估计,在一定条件下,岭估计和压缩估计的均方误差要小于最小二乘估计的均方误差。本文提出了各种求岭系数和压缩系数的方法,并对它们的使用提出了一些意见。     

基于岭估计的粗差探测

针对测量平差Gauss-Markov模型中法矩阵的病态性和观测值的粗差同时存在问题,把岭估计和粗差探测两者的优点结合起来提出了基于岭估计的粗差探测方法.该方法把岭估计看成具有伪观测值的最小二乘估计,然后运用基于最小二乘估计的粗差探测技术探讨岭估计意义下的奇异点,并给出奇异点的检验统计量和判断方法.数值实验表明,新方法在克服病态性的同时能够有效地识别出可疑(可能含粗差)的观测值.     

基于岭估计的粗差探测

针对测量平差Gauss-M arkov模型中法矩阵的病态性和观测值的粗差同时存在问题,把岭估计和粗差探测两者的优点结合起来提出了基于岭估计的粗差探测方法。该方法把岭估计看成具有伪观测值的最小二乘估计,然后运用基于最小二乘估计的粗差探测技术探讨岭估计意义下的奇异点,并给出奇异点的检验统计量和判断方法。数值实验表明,新方法在克服病态性的同时能够有效地识别出可疑(可能含粗差)的观测值。     

抗差泛岭估计

本文应用现代估差估计理论,提出了一个抗差有偏估计类（抗差泛岭估计类）并且建立了抗差泛岭估计的计算方法。理论分析和模拟计算表明,抗差泛岭估计具有既可克服法矩阵病态性影响又可抵抗粗差干扰的良好性质。     

抗差岭型主相关估计及其误差影响

针对法方程系数阵病态和观测值存在粗差对估值结果造成双重影响的问题,在岭型主相关估计的基础上引入抗差M估计模型,提出了一种抗差有偏估计的新方法——抗差岭型主相关估计。推导出了相应模型的抗差解及误差影响函数,并进行了计算分析。与主成分估计不同的是,该方法按主成分对观测值的影响程度大小对其进行舍取,在尽可能保留有用观测信息的基础上克服了病态性和粗差的影响。     

附有条件的参数平差模型的有偏估计

讨论附有条件的参数平差模型参数的有偏估计问题。提出了约束岭估计和约束主成分估计,并证明了它们的优良性质,最后给出了一个算例,验证了所得结果。     

抗差岭型主相关估计及其误差影响

针对法方程系数阵病态和观测值存在粗差对估值结果造成双重影响的问题,在岭型主相关估计的基础上引入抗差M估计模型,提出了一种抗差有偏估计的新方法--抗差岭型主相关估计.推导出了相应模型的抗差解及误差影响函数,并进行了计算分析.与主成分估计不同的是,该方法按主成分对观测值的影响程度大小对其进行舍取,在尽可能保留有用观测信息的基础上克服了病态性和粗差的影响.     

Gauss-Markov模型参数的岭型广义逆估计及其优良性

本文继续文献 [10 ]的工作 ,进一步讨论了测量平差 Gauss- Markov模型参数岭型广义逆估计的若干性质 ,如允许性、优效性、相对效率、抗干扰性等等 ,得到了许多重要结论。计算结果表明 ,在设计阵呈病态时 ,岭型广义逆估计确能明显改善 L S估计     

Gauss-Markov模型参数的岭型广义逆估计及其优良性

本文继续文献 [10 ]的工作 ,进一步讨论了测量平差 Gauss- Markov模型参数岭型广义逆估计的若干性质 ,如允许性、优效性、相对效率、抗干扰性等等 ,得到了许多重要结论。计算结果表明 ,在设计阵呈病态时 ,岭型广义逆估计确能明显改善 L S估计