���ڸĽ���С�������õĵؿǴ�ֱ�α����

??????С?????????????????α??????α???????????α????α?????????????????????????????????????С??????????????????????α????????????????????????????α????α??????????????????С???????÷??????????????????????????????α????е???α??????????????С???????÷??????????α????????????????????????????????????????????????????ú????Э?????????????Ч??????????α????α??????????α?????????????????????????GPS?????????????????÷???????????????????????α????α???????????????Ч????????????     

Mohr-Coulomb�����Բ����׼���ڱ����ȶ������е�Ӧ��

?????????????????????????????ж???????????Mohr-Coulomb?????????????????????????????????????Ч????????????????μ?????????????????????????????????????k????0.8?????????????????????????????????????????????????????????????????С??Mohr-Coulomb??Ч????????????????????????k???????????Mohr-Coulomb??Ч?????????????????????????????????????????????k???0.8~0.9??????     

���ڱ���˫Ƶ���ݵ�����̽�⼰�޸��㷨

????????????????????????????????????????????????????????????????????????????????????????????????????Χ?????????????λ?仯??????????????λ??????С????????????????????????Blewitt?????????????????????????????????????????
???òв???С?????????????COMPASS??MEO?????????????????飬??????????????Ч????????????????????????     

����˫����Ĵֲ�̽�ⷽ���о�

???????????????????????????????в??????У?????3?????????????????????桱????α????????????????????м?????????????????????????????????????ж?????????????????ж??????д????????????С???????????????????????????????????????????÷??????????Ч???????Ρ?     

T/P,Jason��1�������ټ���Ч���ߵ���֤��Ƚ�

????T/P(TOPEX/POSEIDON)????????????????????????????????????T/P?????????????????????????????????????????????????????????У??????С????????????????????????????????????????????????????Ч??????T/P?????Ч???????0.3m??????T/P????????Jason??1?????????????????????????????????????????????????????????????????????????????????????????????????????á?T/P??Jason??1????????????????Ч?????????????????????????0.21 m??0.05 m??     

����Mw 7.6����Ϳɿ�����Mw 7.8����Ӧ��Ǩ���о�

???????????????о???1997??????Mw 7.6??2001????????Mw 7.8????????????????????????????????????????????????????????????????????0.005 MPa??С????????????????0.01 MPa????????????????????????????????????????????????μ??????????????Ч???2001?????????????????????????????????????????????????Ч????????????????????????????????????????????????????????????????????????     

������С������ARMA���ģ�͵ĺ�ƽ���쳣Ԥ��

??????С??????????????????е?????????????????????????????в????????ARMA????????????????????????????????????1???????????0.29 cm???????????????0.63 cm????????????????????????????Ч???ж???SLA?????     

��ͬ��������µ���Ƶ����̽�����޸��㷨�о�

?о?????????????????????????--α??/?????λ??????MW?????????λ???????????????????????????????????????????????????????????????￡????????????????????????????????????????????????????Ч?????????????????????У?????????????С??10 s??????????????MW?????????λ???????????Ч?????????????????????     

ASTER GDEM��ֱ�������ۼ������������θ����е�������

?????????????GPS?????ASTER GDEM?????д???????????????????????????θ????е????????????????????????ASTER GDEM????????-??????-????????????????У??????GPS?????????????14.93 m??18.02 m???????????????????н???????????С???????С???????????????????????θ????У?ASTER GDEM???????????????á?     

�۲�ֵ����ITRF��������о�

??????????????ITRF??????μ???????????????????????????????????????????????????????о????????????????????????????????????????????о????????????????????????????????????????????????????????????????????ο??????м????????????????о????????????????????????Ч?????????????????????????Ч???ο???????Ч???     

一种计算补偿最小二乘正则化参数的最优化方法

在半参数模型补偿最小二乘估计中,如何有效地计算正则化参数是求解的关键。在建立一种新的补偿最小二乘模型的基础上,基于广义交叉核实与L曲线准则,采用最优化方法计算正则化参数。仿真计算表明,本文方法是一种计算正则化参数更为有效的方法。     

基于补偿最小二乘的平面点云拟合方法

采用补偿最小二乘进行估计解算,同时兼顾参数和非参数两类因素,极大地提高了平面点云拟合精度。通过对斜面、水平面和垂直面3种平面分别使用最小二乘方法、特征值方法以及补偿最小二乘方法进行拟合,结果显示,补偿最小二乘方法的拟合效果最优。     

���ʶ���������С�������������ͬ�׷�����Ӧ��

???????????????????????Jacobian???????????????????????????????С?????????????????????????С?????????????????????????в?????????С??ж?????????????????????2??????????????????仮??????????????????С??????????н???????????÷???????????????????????????????????????????????????????????????????????????????????????????????????????????С??????????????С??????     

半参数回归与平差模型

从数据处理几种回归模型出发，对参数、非参数、半参数回归模型进行了讨论，指出了它们的适用前提条件。论证了半参数回归模型的最小二乘核估计与附加系统参数平差、补偿最小二乘准则与最小二乘配置之间的联系与区别，阐述了半参数回归估计在测量平差中的应用前景。     

������С���˰����ģ�ͽ⼰��������ͳ������

???????????????????????????????????????????????????????????????????????????о????????????????????????????????????????????????????????????????????????????????????С????????У?????????????????????????,???????????????????????????????????     

����ƽ��ϵͳģ�����İ������������

????????????У????????????д???????????????????????????????????????????????????????????????????e??????????С????????????????????????????????R??????????????????????????????????????????????????????????????????С??????????????б?????????????????????????Ч??????????????д?????????????н?????????????     

等式约束病态总体最小二乘模型的正则化解及其精度评定

利用平差参数间合理的先验信息能够显著提高解的精度。在病态总体最小二乘模型的基础上,引入等式约束条件,建立等式约束病态总体最小二乘模型,构建该模型的约束正则化准则,并根据拉格朗日极值法导出参数的迭代解及方差-协方差阵,最后以数值算例和病态测边网算例验证公式的正确性。结果表明,新方法通过正则化准则能改善法矩阵的病态性,且遵从EIV准则顾及系数阵的误差,同时还考虑参数间合理的先验信息,其解的精度得到显著提升。     

���ڶ�������򻯵Ŀռ�����ת���뾫�ȷ���

????????????????????????????,?????????????????????????????Bursa??????3??????????????????С?????????????????????е??????????????,???????????????????Χ??????????????????Morozov???????Tikhonov????????,???????????????????????????????????????????????????????????????????????????????С?????????????????????????????????????????     

SPECTRAL DECOMPOSITRION FORMULA FOR REGULARIZATION SOLUTION OF ILL-POSED EQUATION

1　IntroductionAwell posedequationhasobviousmathematicalandphysicalmeaningandfitsallofthefollowingconditions:a)solutionexists,b)solutionisunique,c)so lutionisstable .Ifanequationviolatesanyoftheabovethreeconditions,itiscalledincorrectlyposedequation .Ifthesolutionisn’tunique,thecorrespondingequa tioniscalledrankdeficientequation .Ifthesolutionisn’tstable,thecorrespondingequationiscalledill posedequation .Somekindofconstraint,forexam ple ,minimumnormconditionmustbeaddedinor derthattherankdef…     

病态模型改进正则化解的单位权中误差无偏估计

正则化法通过引入正则化参数对奇异值加以修正,从而改善法矩阵的病态性,然而其不加区别地对所有奇异值进行修正显然是不合理的。本文比较正则化解均方误差和最小二乘解方差的迹谱分解展开式,分析因修正奇异值导致解的均方误差变化与奇异值的关系,确定奇异值修正与否的条件,并基于残差二次型期望公式导出改进正则化解的无偏单位权中误差计算公式,最后用数值算例和病态测边网算例验证公式的正确性。