基于高光谱的鲜桃叶片叶绿素含量检测

为实现鲜桃叶片叶绿素含量的快速无损检测,使用鲜桃四个生长时期的叶片光谱数据及其叶绿素含量数据,利用原始光谱及其变换形式,采用主成分分析和小波去噪预处理数据作为输入矢量,采用支持向量回归机和偏最小二乘法分别构建基于主成分分析-支持向量回归和小波去噪-偏最小二乘回归两种方法的预测模型,并与传统方法建立的模型结果进行比较。通过实验发现,整体建模结果最优的全生长期数据校正集和验证集模型的R2为0.872 7和0.871 4,RMSE分别为0.156 3和0.154 4;采用传统建模方法时,效果最优的是主成分回归模型,全生长期验证集模型R2为0.825 9,RMSE为0.174。结果表明:采用主成分分析-支持向量回归和小波去噪-偏最小二乘回归建模方法的建模效果均优于传统方法,能够应用于基于高光谱的鲜桃树叶绿素含量检测。     

基于长度修正的预测算法优化

当自变量之间存在多重相关性时,若利用最小二乘法建立预测模型,参数估计会存在误差。若应用偏最小二乘回归算法建立预测模型,可以克服自变量之间多重相关性问题,计算结果更为可靠。长度修正的偏最小二乘回归算法从预测的角度对偏最小二乘模型进行了改进。以芹山水电站的水平位移预测为例,验证了长度修正的偏最小二乘回归法比普通偏最小二乘回归法在预测方面效果更好。     

基于逐步回归的偏最小二乘法在大坝位移监控中的应用

偏最小二乘回归法是建立大坝位移监控模型的常用方法,该方法能够较好地处理模型初选因子之间存在的多重共线性。然而普通偏最小二乘回归法无法进行显著变量的选取,针对此问题,探讨了基于逐步回归的偏最小二乘回归法的基本原理和建模步骤。实例计算表明,通过该方法建立的模型在拟合效果和预报能力方面均优于普通偏最小二乘回归法。     

地面高光谱和PROSAIL模型的冬小麦叶绿素反演

针对现有研究在反演叶绿素含量不足的问题,该文基于地面高光谱和实测农学数据,采用PROSAIL模型和连续小波变换并结合偏最小二乘回归、支持向量机和人工神经网络方法反演冬小麦叶绿素。先通过PROSAIL模型模拟作物光谱,再对模拟光谱进行连续小波变换,筛选出敏感波段和尺度并应用于4组实测数据,最后利用小波系数和实测叶绿素构建偏最小二乘回归、支持向量机和人工神经网络反演模型。研究结果表明,利用小波系数构建反演模型的精度相比于植被指数反演有所提高,在基于小波系数反演叶绿素的方法中偏最小二乘法精度略高于其他两种方法。通过将PROSAIL模型、连续小波变换和偏最小二乘回归结合能够实现冬小麦叶绿素遥感估算。     

主成分与主成分估计

在测量数据处理中,当设计阵存在复共线时,最小二乘估计的性质将变得不好,本文应用主成分估计来改进最小二乘估计。一方面是因为主成分估计具有一些好的性质,另一方面与岭估计和广义岭估计相比,主成分估计的偏参数选取要简便得多,从而大大提高了实用价值。     

大坝安全监测统计模型的比较与选择

统计模型在大坝安全监测资料分析中占有重要地位,是建立混合模型的基础。本文从统计模型选择的角度出发,对多元线性回归、逐步回归以及偏最小二乘回归的应用特点和效果进行了探讨,其中偏最小二乘回归是一种旨在消除多重相关性的新型回归技术。本文重点结合某水电站大坝安全监测资料,从模型解释能力、统计参数的检验、拟合和预测效果、效应量的分离等方面对上述三种回归方法进行了比较性研究,得出了一些有益的结论。     

叶面积指数遥感估算的三种回归模型分析北大核心CSCD

针对叶面积指数(LAI)估算方法的适用性和提高估算精度的问题,该文基于Landsat-7ETM+遥感影像,以都江堰市青城山地区为研究对象,利用LAI-2000对样地LAI进行观测采集,建立如归一化植被指数等4种常见植被指数的单植被指数线性、非线性回归模型和多植被指数组合的偏最小二乘回归模型,比较分析了不同植被指数和不同模型估算LAI的精度。实验结果表明,偏最小二乘回归法能有效解决因变量较多时权重系数难确定的问题,是估算LAI的一种有效方法。     

叶面积指数遥感估算的三种回归模型分析

针对叶面积指数(LAI)估算方法的适用性和提高估算精度的问题,该文基于Landsat-7 ETM+遥感影像,以都江堰市青城山地区为研究对象,利用LAI-2000对样地LAI进行观测采集,建立如归一化植被指数等4种常见植被指数的单植被指数线性、非线性回归模型和多植被指数组合的偏最小二乘回归模型,比较分析了不同植被指数和不同模型估算LAI的精度。实验结果表明,偏最小二乘回归法能有效解决因变量较多时权重系数难确定的问题,是估算LAI的一种有效方法。     

线性回归参数的总体最小二乘估计新算法

将一元线性回归总体最小二乘平差模型展开后,以因变量和自变量改正数的平方和最小为约束条件,推导其总体最小二乘的迭代算法,并将模型扩展到多元线性回归,进一步得到线性回归模型的总体最小二乘算法。通过实例分析,证明算法的可行性和合理性。     

有偏迭代估计在短基线集形变模型中的应用

进行SBAS技术时,选择的干涉对一般会出现一景影像和其他几景影像干涉的现象,导致构建的线性形变模型病态。在这种情况下,最小二乘法求解SBAS线性形变模型已不太适合。针对这一问题,本文结合Liu估计的有偏迭代法在求解病态线性模型时能够克服病态性对结果的影响,提出将此方法应用到求解SBAS线性形变模型中。以覆盖济宁地区的13景ENVISAT ASAR数据展开了SBAS技术在城市地面沉降监测中的应用实验,分别利用LS法、基于Liu估计的有偏迭代法解算形变模型。结果表明,基于Liu估计的有偏迭代法获得研究区的年平均沉降速率标准差比LS法获得的低1.4,且其求解的结果相较于LS法获得的结果更准确、稳定。     

基于高光谱数据的苔草营养成分反演方法研究

研究基于高光谱数据的苔草营养成分(侧重粗蛋白质、总氮、总磷)反演方法。结果显示,粗蛋白质的最佳反演模型是通过原始光谱反射率(偏最小二乘回归的方法)获得,R2=0.814、RMSE=0.450;总氮的最佳反演模型是通过一阶光谱反射率(偏最小二乘回归的方法)获得,R~2=0.850、RMSE=0.175;总磷的最佳反演模型是通过原始光谱反射率(偏最小二乘回归)获得,R~2=0.882、RMSE=0.025。最佳模型检验结果显示估算值和实测值之间的强相关性:粗蛋白质R2=0.801、RMSE=1.029,总氮R2=0.777、RMSE=0.234,总磷R2=0.756、RMSE=0.043。     

平差参数的主成分估计

本文介绍一种求平差参数的有偏估计方法——主成分估计。当法方程系数矩阵呈病态时,主成分估计的均方误差要小于最小二乘估计的均方误差,因此,采用主成分估计是有益的。     

基于PLSR的陕北土壤盐分高光谱反演

选取陕北盐渍土为研究对象,通过采集高光谱数据及土壤样品测定,研究土壤盐分含量与反射率之间相关性,遴选盐分特征波段,利用常规回归分析及偏最小二乘回归分析建立土壤盐分的定量反演模型,并利用检验样点进行对比分析和精度检验。研究结果表明,482 nm,1 365 nm,1 384 nm,2 202 nm及2 353 nm为土壤盐分含量的特征波段,利用高光谱数据进行盐分定量反演具有良好的精度;精度检验结果表明,通过Matlab进行偏最小二乘回归计算的反演模型,实测值与预测值相关性更好,精度较高。     

基于自适应拟合推估的最小二乘配置改进模型在地壳形变分析中的应用研究

系统论述在地壳形变场的构建过程中,以最小二乘配置模型作为基础结合自适应拟合推估法对模型加以改进的方法.通过建立自适应因子对信号向量与观测向量间的先验权比进行调整,以提高对形变量推估的准确性,防止并克服由于协方差函数选择不合理所产生的系统偏差.以川滇菱形块体GPS速度场作为实例进行对比分析,结果显示,基于最小二乘配置的自适应拟合推估模型能够更为准确地反映区域形变特征.     

高铁桥墩沉降预测方法研究

提出一种自回归模型参数的稳健最小二乘估计方法,分别采用最小二乘和稳健最小二乘的自回归模型、自适应过滤法及灰色预测法对高铁桥墩沉降数据进行模拟与预测,比较每种方法的优缺点及存在的不足,结合工程实际数据表明,本文提出的方法更适用于高铁桥墩沉降预测。     

线性回归参数的总体最小二乘估计算法研究

针对线性回归参数的总体最小二乘估计问题提出了线性回归加权总体最小二乘平差模型,在此基础上推导了线性回归的加权总体最小二乘迭代算法。之后,采用一个算例进行了分析,其结果验证了提出模型和算法的正确性和可行性。     

利用偏最小二乘回归分析三维可视化系统的硬件影响因素

在多种配置的计算机上对全球多地区多级别的三维地形进行漫游测试,得出实验数据,然后利用偏最小二乘回归方法,对三维可视化系统中影响系统性能的11个硬件因素进行了分析。实验结果表明,影响三维可视化系统的主要硬件因素为CPU主频、二级缓存和内存,其中,二级缓存对可视化系统运行速率的影响尤为显著。     

短基线集InSAR形变模型的不适定问题解算方法研究

SBAS InSAR技术广泛应用于大尺度长时间序列的矿区、城市、地震等不同类型地表形变监测。但在利用该技术进行监测地表形变中发现,其形变模型的解算存在着病态和秩亏两类不适定问题,严重影响着形变信息反演的精度和可靠性。本文以SBAS InSAR技术为基础,针对其形变模型最小二乘解算中的病态问题,提出了基于Liu估计的有偏迭代估计法和Tikhonov正则化方法;针对秩亏时奇异值分解反演形变量和形变速率不稳定的问题,改进了Landweber迭代法,并将其应用到秩亏的SBAS InSAR形变模型解算中,反演出更准确的形变信息。     

GPS高程拟合的方法比较

GPS高程拟合的方法有很多,各有其优点和适用范围。本文在最小二乘估计算法的基础上,讨论主成分估计法和半参数模型估计法及各自的优点,并利用六参数模型的最小二乘估计、主成分估计和半参数模型三种拟合方法对GPS高程进行拟合,通过实例计算结果比较分析,得出半参数估计方法优于其他方法,在一定条件下精度高的优点。最后得出半参数估计方法精度达毫米级,论证了其在实际应用中的优越性。     

GPS高程拟合的方法比较

GPS高程拟合的方法有很多,各有其优点和适用范围。本文在最小二乘估计算法的基础上,讨论主成分估计法和半参数模型估计法及各自的优点,并利用六参数模型的最小二乘估计、主成分估计和半参数模型三种拟合方法对GPS高程进行拟合,通过实例计算结果比较分析,得出半参数估计方法优于其他方法,在一定条件下精度高的优点。最后得出半参数估计方法精度达毫米级,论证了其在实际应用中的优越性。