三维基准转换的约束加权混合整体最小二乘的迭代解法

基于传统的三维基准转换方法及经典最小二乘（LS）理论,引入混合整体最小二乘（LS-TLS）的原理,在此基础上,根据测量平差原理建立附有约束条件的加权模型,并通过Euler-Lagrange逼近法推导出含有初始值的迭代算法,解决了模型与实际测量条件更加匹配的问题;给出了该模型下三维基准转换的实例,并分析了不同条件下权因素的影响。     

基于总体最小二乘的改进GM(1,1)模型及其在建筑物沉降预测中的应用

介绍灰色系统理论及GM(1,1)模型,在GM(1,1)模型灰参数求解以建立微分方程时采用的最小二乘方法求未考虑模型中存在数据相关性的问题,引进总体最小二乘这种能够处理系数矩阵和观测矩阵同时存在偶然误差的平差方法,将总体最小二乘平差准则用于模型灰参数的解算,并且考虑系数矩阵和观测矩阵的权阵。分析这种改进的GM(1,1)模型的应用并以具体工程实例为背景讨论改进模型的优越性。     

整体最小二乘的GM（1，n）模型在高铁中的应用研究

提出了基于整体最小二乘（TLS）综合考虑GM（1,n）模型中观测向量以及系数矩阵的误差,建立GM（1,n）模型,并将模型应用于某地区高铁的桥梁梁体上拱预测,结果表明,模型在高铁徐变监测中具有较高的精度、可靠性和适用性。     

基于新陈代谢的PGM(1,1)模型在建筑物变形监测中的应用

针对目前灰色理论模型在变形监测中的应用,本文分析了PGM(1,1)模型中的参数及其求解的方法;对于建模时前期观测值对后期预测值的影响,引入新陈代谢理论,通过整体最小二乘求解得到模型的背景值。结合高层建筑物沉降监测的实例进行计算分析,结果表明,基于新陈代谢的PGM(1,1)模型相比于传统的GM(1,1)模型,在建筑物沉降预测方面具有较好的效果。     

全最小一乘的灰色模型在变形监测中的应用

简述了全最小一乘准则下的参数估计理论和灰色GM(1,1)模型建模原理,介绍了全最小一乘准则下的灰色GM(1,1)模型参数估计和利用线性规划模型进行参数计算的方法。通过实例与最小二乘准则下灰色GM(1,1)模型计算出的各项指标进行对比,结果显示,利用全最小一乘准则下的灰色GM(1,1)模型进行变形预测,不论有无异常值存在,其预测值均有较强的稳健性。因此,该模型对工程变形监测的预报具有重要的意义。     

一种利用IGGII方案的稳健混合总体最小二乘方法

混合总体最小二乘(mixed LS-TLS)合理地顾及了系数矩阵和观测向量误差,却没有考虑数据中可能存在的粗差。利用IGGII方案,提出一种稳健的混合总体最小二乘方法,并通过平面拟合进行验证。结合模拟数据和真实数据,通过与最小二乘(LS)、总体最小二乘(TLS)和混合总体最小二乘的对比分析,证实这种稳健混合总体最小二乘的平面拟合结果最为可靠。     

GM＋AR组合模型的TLS解算方法及其应用

变形体的变形量通常是一个非平稳时间序列,常常包含有趋势项和随机部分,因此,可以考虑建立GM＋AR模型。使用GM模型提取趋势项,提取了趋势项的剩余部分建立AR模型。然而,在进行模型参数的估计时,由于GM模型和AR模型的系数矩阵都含有误差,传统的最小二乘（LS）法并未顾及到这一点,因而,采用LS法得到的结果并不是最优的。为了顾及系数矩阵的误差,将整体最小二乘（TLS）法引入到GM和AR两种模型的参数求解中。AR模型系数矩阵中的每个元素都是含有误差的,可以直接采用TLS法对每个元素进行改正;然而,GM模型有一列元素是固定的,并不需要改正,直接使用TLS法进行求解是不严密的,采用LS法和TLS法相结合的方法对GM模型进行参数的求解。通过具体的变形监测实例,验证了采用组合模型的LS—TLS解法具有比LS法更高的建模和预测精度。     

顾及系数矩阵常数列的总体最小二乘迭代解法

介绍总体最小二乘的奇异值分解法(SVD)和混合总体最小二乘法(LS-TLS),基于间接平差原理推导一种总体最小二乘迭代解法,可以用来解决系数矩阵含常数列的总体最小二乘平差问题。最后分别对系数矩阵不含常数列和系数矩阵含常数列的算例进行验证,得到的结果与采用奇异值分解法和混合总体最小二乘法计算的结果相同,表明算法的有效性。     

改进的多元线性回归模型及其应用

从EIV（Error-In-Variables）模型入手,对经典多元线性回归模型进行改进,并采用加权整体最小二乘估计准则（WTLS）对待估参数进行估计,最后针对新增观测信息的情况,导出其参数估值修正递推算法.通过建筑基坑支护桩水平位移监测实验表明,改进的模型较之经典模型能对水平位移变量进行更好的预测.参数修正递推算法的使用,避免了复杂的重复计算,计算效率明显提高.     

马尔科夫理论的优化灰色模型预测建模

针对GM(1,1)模型易受建模数据随机扰动影响,且模型稳定性较差的问题,该文提出了基于马尔科夫(Markov)理论的GM(1,1)预测优化模型。首先,通过最小二乘原理选取GM(1,1)模型的最优初值,利用指数函数法构造新的背景值,同时利用正化残差序列法进一步修正残差。然后,将优化的GM(1,1)模型和马尔科夫理论有机结合,进一步对优化的GM(1,1)模型进行改进,构建了优化的灰色马尔科夫预测模型。最后,以某建筑物的变形实测数据为基础,进行了传统GM(1,1)预测模型、优化的GM(1,1)预测模型和优化的灰色马尔科夫预测模型的实例计算比较,结果表明:优化的灰色马尔科夫预测模型的拟合精度和预测精度优于传统GM(1,1)预测模型和优化的GM(1,1)预测模型,且适用性更强,稳定性更好。     

K-GM（1，1）模型在岩体变形监测中的应用

传统GM （1,1）模型存在着长期预测效果差、模型精度不高等问题,卡尔曼滤波能够排除建模过程中随机干扰因素,滤波值能够反映更真实的数据情况。为了能更好地提高变形监测的预测精度,基于传统GM （1,1）模型和卡尔曼滤波,提出K‐GM （1,1）模型,利用该模型对岩体变形监测数据进行建模预测,并与传统GM （1,1）模型预测结果进行对比分析,结果表明,K‐GM （1,1）模型具有较高的预测精度,可作为变形监测的一种新方法。     

整体最小二乘法平面坐标转换在基坑水平位移监测中的应用

在参数求解过程中,经常遇到参数估计模型的观测向量和系数矩阵都可能存在误差的情况,于是人们在20世纪80年代提出了整体最小二乘方法。近几年,整体最小二乘才被引入测量领域。本文详细阐述了整体最小二乘法平面坐标转换基于奇异值分解原理的解算过程。在此基础上,把整体最小二乘法平面直角坐标转换应用到基坑水平位移监测中,改进了传统的变形监测数据处理方法,并运用工程实例验证了该方法的可行性。     

补偿最小二乘法改进灰色预测模型的应用分析

文章讨论了灰色预测模型和半参数模型,针对经典最小二乘在解算GM(1,1)模型待识别向量时存在的模型误差,采用将模型误差当作非参数信号的补偿最小二乘法进行数据处理.根据矿区变形观测特点,简要说明了正规矩阵R和平滑因子α的选取,并结合淮南市朱集矿地表移动观测站的实测数据对改正模型进行检验分析,结果表明:该方法可有效地削弱模型系统误差影响,提高预测模型精度.     

基于GEP的桩顶水平位移预测模型研究

桩顶水平位移的变形监测是一项重要内容,针对传统预测方法存在的不足,本文采用基因表达式编程(GEP),利用Eclipse平台下的Java编程语言,建立了桩顶水平位移预测模型。将灰色GM(1,1)模型、BP神经网络模型和基因表达式编程(GEP)这三种模型对桩顶水平位移的预测结果进行对比分析,得出基因表达式编程不仅能够提高桩顶水平位移的预测精度,而且其学习效率比灰色GM(1,1)模型和BP神经网络模型也有显著提高,从而证明基因表达式编程模型在桩顶水平位移预测方面具有可行性。     

灰色线性组合模型在基坑监测中的运用

本文论述了灰色系统理论在深基坑沉降数据处理中的运用,在运用过程当中,分别采用了GM（1,1）模型和灰色线性组合模型两种方法对数据序列进行拟合和预测。并得出了灰色线性组合模型在基坑沉降预测中比GM（1,1）更精确可靠的结论。     

灰色模型在非等步长变形监测数据处理中的应用

常规变形监测数据处理中的GM(1,1)灰色模型是以等时间间隔观测值为原始序列,经一次累加处理,建立生成数列的一阶微分方程,并利用最小二乘求解未知参数的建模方法;但实际监测过程中,因受诸多因素影响,采集到的原始数据多呈现非等间隔分布,引入时间权重思想建立改进的GM(1,1)灰色模型,通过对沉降数据进行建模分析及精度检验,扩大了灰色模型的适用范围,验证了该模型的可靠性和科学性。     

平行直线拟合的混合LS-TLS平差及精度评定方法

针对地形测图测绘和地物重建中存在的平行直线拟合问题,同时考虑x坐标和y坐标的测量误差,构建变量含误差(EIV)模型,根据设计矩阵的特点采用混合最小二乘(LS)总体最小二乘方法(TLS)求解,并给出了相应的精度评定方法。混合LS-TLS方法的平差结果与LS、TLS方法结果对比表明:对于平行直线拟合,混合总体最小二乘方法的精度高于LS和TLS方法。论文旨在对EIV问题提出实用的平差和精度评定方法,推TLS方法的应用。     

非等间距无偏GM（1,1）模型在建筑沉降预测中的应用

将非等间距数列转化为等间距数列,并建立无偏GM（1,1）模型.通过对非等间距数列的处理,得到适合GM（1,1）建模的等时距数列,并在GM（1,1）模型的基础上,给出非等间距无偏GM（1,1）建模的具体步骤.从理论上证明无偏GM（1,1）能消除GM（1,1）模型的固有偏差,拓宽GM（1,1）的使用范围.最后将模型应用于实际建筑沉降预测中,研究结果表明非等间距无偏（1,1）模型精度高、实用性强.     

顾及起算数据误差的多点灰色模型在变形监测中的应用

分析了多点灰色模型利用最小二乘估计原理进行参数解算时无法顾及起算数据误差带来的影响。将混合最小二乘与多元整体最小二乘应用到多点灰色模型的参数估计中。首先利用QR分解将起算数据中常数列和误差项相分离;采用最小二乘和多元整体最小二乘分别进行解算建模;最后通过实验证明了优化的MGM(1,n)模型具有较高的建模和预测精度,能够为精密工程变形分析提供一定的参考和借鉴。     

非等间距WGM-AR模型在基坑周边建筑物沉降预测中的应用

非等间距GM（1,1）模型在不等时间间隔序列的趋势分析和预测方面具有重要作用,在此基础上,提出一种基于非等间距加权GM（1,1）模型和自回归AR（p）模型相结合的非等间距加权灰色自回归模型（非等间距WGM-AR模型）.将基坑周边建筑物沉降监测数据视为具有确定趋势的非等时间序列,对序列进行平滑处理,利用非等间距加权GM（1,1）模型提取该时序中的确定性趋势项,用自回归AR（p）模型分析生成的等间距序列中的随机项,并采用内插法得到沉降监测序列的随机项.将组合模型与非等间距GM（1,1）模型计算结果对比分析,结果表明,组合模型具有更高的预测精度,在基坑周边建筑物沉降预测中具有较高的应用价值.