求解自回归模型参数的整体最小二乘新方法

在应用整体最小二乘法求解自回归模型的参数时,针对传统的SVD方法和迭代法并没有顾及到系数矩阵和观测向量构成的增广矩阵中不同位置上相同元素的改正数却不相同这一不足,推导了一种新的迭代解法,有效地解决了传统方法的不足,使得增广矩阵中不同位置的同一元素具有相同的改正数,更加符合实际情况且平差精度也有所提高。最后通过具体的算例,验证了本文方法的可行性和有效性。     

空间直线拟合的整体最小二乘算法

提出了一种基于整体最小二乘的空间直线拟合方法。首先,对空间直线的标准式方程进行变换,并附加参数转换的过程,将6个参数简化为4个;然后,将方程改写为矩阵形式,由此巧妙地将空间直线拟合的问题转化为整体最小二乘的参数求解问题,利用TLS迭代法求得转换后的空间直线拟合的4个参数,再通过参数回代的方法恢复空间直线的6个基本参数。通过算例比较验证了该方法的可行性和有效性。     

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。