变异函数模型参数的非线性加权总体最小二乘法

针对球状模型和指数模型两种变异函数模型线性化后的系数矩阵具有非线性形式,系数矩阵元素含有随机误差等问题,该文使用非线性加权总体最小二乘法估计变异函数模型参数。以高程异常数据为例,利用变异函数值的点对数定权法和系数矩阵中距离值的方差-协方差传播律定权法迭代解算参数,并与最小二乘法,加权最小二乘法和非线性总体最小二乘法进行对比分析。实验结果表明:非线性加权总体最小二乘法能够得到更高精度的变异函数模型参数。     

变异函数模型参数的加权总体最小二乘回归法

顾及距离值的随机误差,提出用加权总体最小二乘回归法估计变异函数模型参数。通过协方差传播律发现,分组后的变异函数值和距离值是不等精度的。给出距离值的定权方法,结合熵权法和点对数法迭代解算模型参数。以幂函数模型为例,模拟数据和实测数据的结果表明,加权总体最小二乘回归法更加合理,参数的估计精度也更高。     

稳健加权总体最小二乘的点云数据平面拟合

针对观测向量和系数矩阵均含有误差以及点云数据存在异常点的问题,该文提出一种稳健加权总体最小二乘法。该方法在加权总体最小二乘的基础上,通过设置一定的准则,剔除点云数据中存在的异常点,以获取更为精确的平面拟合参数解。仿真模拟算例和实际点云数据实验结果表明,该方法与传统的方法相比,能够消除异常点带来的影响,获得更精确的参数解,平面拟合精度更高。     

多元总体最小二乘问题的牛顿解法

为提高多元总体最小二乘问题参数估值的解算效率,推导了基于牛顿法的多元加权总体最小二乘算法;分析比较了基于牛顿法的多元加权总体最小二乘解和基于拉格朗日乘数法多元加权总体最小二乘解之间的关系,根据协因数传播律给出了多元总体最小二乘平差的16种协因数阵的近似计算公式。新算法能够解决观测矩阵和系数矩阵元素具有相关性的问题,并且可以把观测矩阵和系数矩阵的随机元素和常数元素纳入到一个协因数阵中进行处理。算例结果表明,本文提出的多元总体最小二乘问题的牛顿解法可行且收敛速度更快。     

非线性平差精度评定的自适应蒙特卡罗法

针对现有的非线性平差精度评定理论中，蒙特卡罗法模拟次数的选择不具有客观性，无法对结果进行直接控制，以及没有同时考虑到平差参数估值、随机量改正数和单位权方差估值的有偏性等问题，把自适应蒙特卡罗法融入到非线性平差精度评定理论中。通过基于自适应蒙特卡罗法的估值偏差计算和参数估值协方差阵计算，设计了非线性平差精度评定一套理论完整的算法流程。基于对偶变量的思想，提出了参数估值偏差计算的对偶自适应蒙特卡罗法。直线拟合模型和椭圆拟合模型两个算例结果表明，非线性平差精度评定的自适应蒙特卡罗法能获得稳定且合理的精度评定结果，具有更强的适用性；对偶自适应蒙特卡罗法计算估值偏差的收敛速度更快，效率更高。