正态-Gamma先验下粗差探测的Bayes方法

本文主要运用Bayes统计推断的基本原理,提出和建立将观测信息与正态——Gamma先验信息融合、基于综合信息判断粗差的Bayes方法。首先,根据Bayes统计推断的基本原理,建立了判断粗差的Bayes方法——后验概率法,然后针对测量平差实际,考虑未知参数的正态-Gamma先验信息,分别给出了非等权独立观测条件下基于均值漂移模型和方差膨胀模型的后验概率的具体计算公式,并给出了相应的粗差的Bayes估算方法。最后提出了基于后验概率进行粗差探测的实施过程和具体步骤。数值试验的结果表明,本文提出的粗差探测的Bayes方法对多个粗差的同时定位和定值是相当有效的。     

基于方差膨胀模型的粗差探测Bayes方法

基于方差膨胀模型提出并建立了用观测信息的同时利用先验信息判断粗差的Bayes方法。首先,根据Bayes统计推断的基本原理,建立了判断粗差的Bayes方法——后验概率法;然后针对测量平差实际,考虑未知参数的两种先验信息分别给出了非等权独立观测条件下基于该模型的后验概率的计算公式;最后对模拟算例进行了计算和分析。试验结果表明,用给出的探测粗差的Bayes方法是切实可行的。     

基于方差膨胀模型的粗差探测Bayes方法

基于方差膨胀模型提出并建立了用观测信息的同时利用先验信息判断粗差的Bayes方法.首先,根据Bayes统计推断的基本原理,建立了判断粗差的Bayes方法——后验概率法;然后针对测量平差实际,考虑未知参数的两种先验信息分别给出了非等权独立观测条件下基于该模型的后验概率的计算公式;最后对模拟算例进行了计算和分析.试验结果表明,用给出的探测粗差的Bayes方法是切实可行的.     

基于识别变量的粗差探测Bayes方法

从一个新的角度出发,对应每个观测值引入一个识别变量,基于识别变量的后验概率提出一种新的粗差定位的Bayes方法,并构造相应的均值漂移模型给出粗差估算的Bayes方法.由于识别变量的后验分布往往是复杂的、非标准形式的,为此设计一种MCMC(Markov Chain Monte Carlo)抽样方法以计算识别变量的后验概率值.最后对一边角网进行了计算和分析.试验表明,本文给出的探测粗差的Bayes方法不仅充分利用了先验信息,而且克服了以往粗差定位方法的模糊性以及探测标准选择的问题,同时计算简便.     

基于观测误差后验分布的粗差探测的Bayes方法

从观测误差出发,运用3σ-原理提出了一种粗差探测的Bayes方法——基于观测误差的后验概率法。针对非等权独立观测情形,在一定先验分布下推导了观测误差的后验分布;建立了与观测误差有关的后验概率的计算公式;给出了粗差估算的Bayes方法;提出了基于观测误差的后验概率进行粗差探测的实施过程。最后结合算例说明了其效果,并且与其他粗差探测方法进行了比较。大量试验表明,给出的探测粗差的Bayes方法是切实可行的。它不仅有效地发现了粗差,而且结果比较理想。     

基于观测误差后验分布的粗差探测的Bayes方法

从观测误差出发,运用3σ-原理提出了一种粗差探测的Bayes方法--基于观测误差的后验概率法.针对非等权独立观测情形,在一定先验分布下推导了观测误差的后验分布;建立了与观测误差有关的后验概率的计算公式;给出了粗差估算的Bayes方法;提出了基于观测误差的后验概率进行粗差探测的实施过程.最后结合算例说明了其效果,并且与其他粗差探测方法进行了比较.大量试验表明,给出的探测粗差的Bayes方法是切实可行的.它不仅有效地发现了粗差,而且结果比较理想.     

结合影响分析的抗隐差型Bayes粗差探测方法

通过分析隐差现象产生的原因,将基于观测误差的后验概率法与基于Kullback-Leiber距离的影响分析相结合,并利用逐个搜索法的思想,给出了一种粗差探测的抗隐差型Bayes方法。实验结果表明,采用该方法进行粗差探测切实可行,不但有效地发现了被掩盖的粗差,而且运算简单,效率较高。     

粗差验后方差的无偏估计与最优稳健估计

在正态粗差假设下导出了粗差验后方差的无偏估计,对误差工膨胀模型和误差均值移动模型,两者的无偏估计公式是相同的。这证明了李德仁验后方差的朱建军方差不是无偏的。由于偏方定义的彭方法是正态粗差假设下的最优稳健估计。     

粗差验后方差的无偏估计与最优稳健估计

在正态粗差假设下导出了粗差验后方差的无偏估计,对误差方差膨胀模型和误差均值移动模型,两者的无偏估计公式是相同的.这证明了李德仁验后方差和朱建军方差不是无偏的.由无偏方差定义的彭方法是正态粗差假设下的最优稳健估计.     

基于高斯混合模型的抗差Bayes滤波在动态导航中的应用

在动态环境下导航定位受到很多因素影响,且异常噪声会严重影响导航滤波结果。通过研究Bayes滤波的抗差方法,在导航观测方程中采用高斯混合模型,对混合模型不确定度参数采用层次模型实时估计。借助指示变量进行模型变换,削弱导航过程中异常噪声的影响。并采用Rao-Blcakwellized粒子采样方法,求取复杂、非标准形式的状态后验分布。最后通过卫星导航以及组合导航实验算例,分析验证了基于高斯混合模型的Bayes滤波在动态导航定位中的抗差性能。     

A Bayesian approach to the detection of gross errors based on posterior probability

Existing methods for gross error detection, based on the mean shift model or the variance inflation model, have hardly considered or taken advantage of the potential prior information on the unknown parameters. This paper puts forward a Bayesian approach for gross error detection when prior information on the unknown parameters is available. Firstly, based on the basic principle of Bayesian statistical inference, the Bayesian method—posterior probability method—for the detection of gross errors is established. Secondly, considering either non-informative priors or normal-gamma priors on the unknown parameters, the computational formula of the posterior probability is given for both the mean shift model and the variance inflation model, respectively, under the condition of unequal weight and independent observations. Finally, as an example, a triangulation network is computed and analyzed, which shows that the method given here is feasible.     

时间序列异常值探测的Bayes方法及其在电离层VTEC数据处理中的应用

基于Bayes统计推断理论,提出了自回归模型中异常值定位的Bayes方法;在正态-Gamma先验分布下,分别基于均值漂移模型和方差膨胀模型,提出了后验概率的计算方法,并运用Bayes方法估计了异常扰动;最后将该方法应用到电离层VTEC数据处理的建模中,比较模型修正前后预报的结果,验证了新方法的有效性。     

A Bayesian unmasking method for locating multiple gross errors based on posterior probabilities of classification variables

This paper puts forward a Bayesian method for multiple gross errors location and estimation, and studies the masking and swamping problem in multiple gross errors detection from a new point of view, further proposes the corresponding feasible solution. First, the Bayesian method for gross error location is established based on the posterior probabilities of classification variables, each of which is used to determine whether each observation contains gross error or not. When some interactions exist among observations with multiple gross errors, the above-mentioned method may lead to the failure of detection due to masking and swamping. For that, on the basis of analyzing the character of masking and swamping, starting from the eigen structure of the sample correlation coefficient matrix of the classification vector, we give the Bayesian unmasking method to locate multiple gross errors, and design the corresponding algorithm, namely the adaptive Gibbs sampling algorithm. Finally, applying the mean shift model, we raise a Bayesian approach to estimate gross errors. Significant applications of the approach show the promising results on overcoming masking and swamping.     

钟差预报AR模型异常值探测的Bayes方法

主要研究了时间序列AR模型的异常值探测问题。首先在一定的限制条件下,将AR模型的异常值探测问题转化为线性回归模型的异常值探测问题;并在正态-Gamma先验条件下,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率。然后运用Bayes方法对异常值进行了估算。最后通过卫星钟差实测数据计算,比较了模型修正前后预报的情况,验证了新方法的有效性。     

基于方差膨胀模型的多个粗差的探测

本文将粗差归入随机模型,提出了基于方差膨胀模型的粗差探测方法。首先针对测量平差实际给出了非等权独立观测条件下的单个粗差的Score检验统计量,然后提出了基于方差膨胀模型的两种定位多个粗差的方案,最后对一边角网进行了计算和分析。大量试验表明,用本文给出的定位多个粗差的方法是切实可行的,它不仅有效地发现了粗差,而且计算简便、快捷,结果比较理想。