小波时变参数PGM(1,1)模型的工程应用研究

首先阐述了小波去除数据噪声的方法及小波模型的选取问题,然后对GM(1,1)模型背景值生成序列进行改进,采用搜索法确定背景值最佳生成系数.考虑到模型中的灰参数会随时间而变化,采用多项式逼近模型灰参数,并通过最小二乘方法求解多项式的系数,最后形成了小波时变参数PGM(1,1)模型同时采用Runge-Kutta方法求解.通过武成城际铁路沉降监测数据的计算分析表明,小波时变参数PGM(1,1)在高铁沉降预测中具有较高的精度.     

补偿最小二乘估计在确定高程异常中的应用

针对常规最小二乘拟合求解高程异常存在的模型误差,本文提出将模型误差看作非参数信号采用补偿最小二乘法来处理,讨论了正则化矩阵R和平滑参数α的选取对拟合结果的影响,在对各种求解光滑参数深入研究的基础上,提出了一种Xu(α)函数法,并对一个测区的GPS水准数据进行解算,结果表明,利用补偿最小二乘模型求解高程异常优于最小二乘法。     

基于Moore-Penrose广义逆及立体矩阵的可分离非线性最小二乘解算方法

针对测绘领域中函数模型为非线性函数的线性组合的特殊结构,本文提出了基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法。该方法首先利用变量投影算法消除可分离非线性模型中的线性参数,将包含两类参数的原非线性优化问题转化为仅含有非线性参数的最小二乘问题。然后,基于Moore-Penrose广义逆矩阵的微分和立体矩阵理论计算最小二乘目标函数的一阶导数,进而采用非线性优化的LM方法求解非线性参数的最优估值。最后,根据最小二乘方法求解线性参数的最优估值。通过指数函数模型拟合和机载LiDAR全波形参数求解试验与传统参数不分离优化方法进行对比,结果表明,基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法对待求参数初值依赖性低,同时避免了迭代过程中线性参数导致的病态问题,算法稳定性好,为测绘领域中可分离非线性最小二乘问题的解算提供了一种思路,也拓展了可分离非线性最小二乘方法的应用。     

圆曲线拟合的总体最小二乘算法分析

针对圆曲线拟合参数求解的问题,该文在分析现有的圆曲线模型构建及其参数求解方法的基础上,以圆曲线的参数方程建立圆曲线拟合模型,采用总体最小二乘算法的求解模型参数。通过实例数据和模拟数据,对比分析现有以一般方程构建的圆曲线拟合模型的最小二乘算法、混合总体最小二算法以及根据协方差传播定率定权的加权总体最小二乘算法计算结果。实验结果表明,采用该文提出的总体最小二乘算法求解由参数方程构建的拟合模型,效率和准确度均有所提高。     

非线性二维转换模型的稳健总体最小二乘算法

针对应用线性最小二乘估计准则求解非线性平面转换模型参数时,通过定义间接参数将模型线性化的方法不能直接求解转换模型参数的问题,该文在非线性平面转换模型的基础上,建立线性模型,实现平面坐标的转换。为解决控制点已知坐标与观测坐标中均含有误差对转换参数求解的影响,对应用稳健总体最小二乘求解线性模型参数的算法进行讨论。最后,通过算例比较稳健总体最小二乘算法与最小二乘算法在抗差性方面的优势。结果表明,稳健总体最小二乘算法更适用于应用线性模型求解未知控制点的转换坐标。     

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。     

基于非线性最小二乘的坐标转换及精度分析

在GPS应用中经常涉及到坐标系转换的问题。利用七参数线性模型进行坐标转换是目前常用的坐标转换方法,但是当旋转角较大时,利用七参数线性模型转换会存在较大的模型误差。本文提出七参数模型的非线性最小二乘求解方法,结合模拟坐标数据比较了非线性最小二乘与传统迭代法的求解精度。结果表明：在旋转角较大的情况下,利用非线性最小二乘方法求解坐标转换参数精度比迭代法有明显提高。     

LS和TLS在平面坐标转换中的应用

在超定线性方程Ax=b的解算中,最小二乘(LS)只考虑观测向量b的误差,而总体最小二乘(TLS)则同时顾及观测向量b和系数矩阵A均含误差的情况。本文以六参数模型在平面坐标转换中的应用为例,分别采用LS和TLS进行模型参数的求解。结果表明,2种方法所求参数并无显著差异,但是总体最小二乘更好地改善了坐标转换的内部精度,是一种更为合理的计算方法。     

加权总体最小二乘平差随机模型的验后估计

针对随机模型中观测向量和系数矩阵存在定权不准确的问题,提出了一种加权总体最小二乘随机模型验后估计方法。将赫尔默特方差分量估计方法应用于EIV(errors-in-variables)模型中,结合本文推导的加权总体最小二乘方法,对平差问题的函数模型和随机模型同时进行求解。通过采用真实和模拟数据的三个算例对该方法的有效性进行了验证,结果表明随机模型的验后估计方法在解决加权总体最小二乘问题时更合理、有效。     

“数字化科学工程”构建中的广义非线性数据处理的一种新算法

在当今各国正大力倡导的“数字国家”、“数字城市”、“数字矿山”等科学工程构建中的数据处理是基础和核心 ,其数据又具有多源、多维、多类型、多时态、多精度并具有非线性特征等特点 ,其数据处理的参数估计模型大都是复杂的非线性函数模型 ,模型中的参数有非随机参数 ,也有随机参数 ,这些系广义非线性数据处理 ,应采用广义非线性动态最小二乘数据处理的理论、方法来完成。本文提出了一种新的解算模型和解算方法 ,将问题分离 ,转换成单变量的一般非线性最小二乘问题求解。先按非线性拟合模型线性逼近法求得靠近真值的最优初值 ,再按非线性最小二乘解算方法求解参数估值。本方法使原来的高维方程得以简化 ,还不用计算二阶导数 ,大大简化了计算难度 ,并大大减少了迭代次数和计算工作量。