Gauss-Markov模型的岭型GM估计

针对目前文献中提出的各种抗差有偏估计没有对设计空间的粗差进行控制的问题,将岭估计与GM估计结合起来提出了一种新的抗差有偏估计———岭型GM估计,理论分析和计算结果均表明岭型GM估计不仅能消除法矩阵病态性的不良影响,而且能同时具有观测空间和设计空间的抗差性,是一种性能良好的估计。     

抗差岭型组合主成分估计及误差影响

本文从有偏估计类中的岭型组合主成分估计出发 ,结合抗差估计理论 ,利用抗差M估计模型 ,提出了一种新的抗差有偏估计法———抗差岭型组合主成分估计。推导了平差参数的抗差岭型组合主成分估计解 ,以及平差参数的验后精度和误差影响函数。计算结果表明 ,抗差岭型组合主成分估计不但能克服法方程系数阵病态性的影响 ,而且能有效地抵制观测值中精差的异常干扰 ,使参数的解更为准确可靠     

抗差岭型主相关估计及其误差影响

针对法方程系数阵病态和观测值存在粗差对估值结果造成双重影响的问题,在岭型主相关估计的基础上引入抗差M估计模型,提出了一种抗差有偏估计的新方法--抗差岭型主相关估计.推导出了相应模型的抗差解及误差影响函数,并进行了计算分析.与主成分估计不同的是,该方法按主成分对观测值的影响程度大小对其进行舍取,在尽可能保留有用观测信息的基础上克服了病态性和粗差的影响.     

抗差岭型主相关估计及其误差影响

针对法方程系数阵病态和观测值存在粗差对估值结果造成双重影响的问题,在岭型主相关估计的基础上引入抗差M估计模型,提出了一种抗差有偏估计的新方法——抗差岭型主相关估计。推导出了相应模型的抗差解及误差影响函数,并进行了计算分析。与主成分估计不同的是,该方法按主成分对观测值的影响程度大小对其进行舍取,在尽可能保留有用观测信息的基础上克服了病态性和粗差的影响。     

抗差泛岭估计

本文应用现代估差估计理论,提出了一个抗差有偏估计类（抗差泛岭估计类）并且建立了抗差泛岭估计的计算方法。理论分析和模拟计算表明,抗差泛岭估计具有既可克服法矩阵病态性影响又可抵抗粗差干扰的良好性质。     

压缩型抗差估计

讨论了测量平差中粗差和病态性同时存在时的参数估计问题。针对抗差估计不能抗拒病态性干扰的缺点,运用有偏然计的压缩变换方法,提出了一种新的估计－压缩型抗差估计,理论分析和模拟计算表明,新估计不但能有效的减免粗差的影响,而且能显著的作病态性的干扰,是一种性能良好的估计。     

抗差岭估计原理及其应用

本文从有偏估计类中的岭估计和广义岭估计出发，利用抗差Ｍ估计原理，建立相应的抗差估计模型，导出岭估计和广义岭估计的抗差解式，最后结合一个算例作了多种方案的试算和比较：抗差岭估计不仅能有效改善法矩阵病态，而且能有效地抵制观测的异常干扰，使参数解更优     

双k型岭估计及其在GPS快速定位中的应用

针对GPS快速定位中设计阵病态性的特点,文中对现有的有偏估计进行了改进,提出了一种新的有偏估计--双k型岭估计.由广义岭估计和普通岭估计出发,讨论并给出了双k型岭估计中两个岭参数的选择方法.最后给出了实测GPS动态定位算例,验证了新估计的稳定性和有效性.     

双k型岭估计及其在GPS快速定位中的应用

针对GPS快速定位中设计阵病态性的特点,文中对现有的有偏估计进行了改进,提出了一种新的有偏估计———双k型岭估计。由广义岭估计和普通岭估计出发,讨论并给出了双k型岭估计中两个岭参数的选择方法。最后给出了实测GPS动态定位算例,验证了新估计的稳定性和有效性。     

t型Bayes估计及其在测量平差中的应用

针对t型估计不能抵抗病态性的影响这一缺陷,从Bayes估计的观点出发,通过对t分布模型引入未知参数的先验信息,提出了一种新的抗差有偏估计——t型Bayes估计,重点讨论了正态-Gamma先验分布下的t型Bayes估计及其EM算法和超参数的选取方案。数值实验证实了正态-Gamma先验分布下的t型Bayes估计能够同时抵抗粗差和病态性的不良影响,是一种性能更好的抗差有偏估计。     

基于抗差卡尔曼滤波的GM(1,1)模型在变形预计中的应用

针对传统灰色模型建模过程中易受观测数据随机噪声干扰的影响,利用抗差卡尔曼滤波理论能够有效地估计含有噪声的观测值的优点,构建了基于抗差卡尔曼滤波的GM(1,1)模型。结合实例,验证了该模型在一定程度上可以提高变形监测预测精度,更好地反映观测对象的变形趋势。     

求解GM(1,1)模型新总体最小二乘算法

在GM(1,1)模型中系数矩阵和观测向量都是由原始序列组成的。系数矩阵中同样是有误差的,与观测向量中的误差一样,亦来源于原始序列,即它们误差同源。不同位置的相同元素应该有相同的改正数,采用传统总体最小二乘求解则不能达到此目的。针对这一缺陷,推导了一种新的总体最小二乘算法;并且通过算例验证了新方法的可行性和有效性。     

海岸线变化趋势预测方法研究与系统实现

建立海岸线预测系统是为了实现海岸线预测的量化和自动化。系统分由三个部分组成:遥感影像海岸线边缘提取与矢量化、海岸线相关因子计算(变化速率与分维度)和海岸线变化趋势预测。以海岸线遥感影像为数据,通过八邻域法海岸线边缘提取及矢量化、海岸线相关因子计算两个功能模块的处理,基于GM(1,1)模型的海岸线变化趋势预测模块对输入的四期矢量海岸线数据建立GM(1,1)模型,根据用户输入的预测原点和预测精度,得到若干预测点,继而得到预测的海岸线轮廓。系统采用C#语言基于ESR I ArcOb jects的开发来实现。该系统在辽宁省国土资源规划地理信息系统中得到应用和推广。     

灰色预测模型若干改进方法

从基本灰色模型出发,归纳和讨论了影响正确建立灰色模型的诸多因素以及相应的改进方法。     

基于新陈代谢GM(1,1)模型的益阳城市化水平分析

以益阳市2001年-2010年城市化水平数据为依据,运用灰色系统理论,建立了GM(1,1)和新陈代谢GM(1,1)预测模型;并运用不同方法对2种模型的精度进行了检验,结果表明,新陈代谢GM(1,1)模型优于常规GM(1,1)模型,其精度更高。应用新陈代谢GM(1,1)模型,对益阳市城市化水平未来10年进行预测,其结果符合益阳市城市化的实际情况。     

改进的GM(1,1)模型在大坝变形预测中的应用

针对大坝安全监测数据存在贫信息、小样本的问题,通过对原始数据、初始值以及背景值进行优化改进传统的GM(1,1)模型。以某大坝实测径向水平位移数据为例,分别用改进前后的模型进行预测,并与实测值进行对比。验证改进的GM(1,1)模型的优越性与有效性,相对于传统GM(1,1)模型,其预测精度更高。     

GM(1.1)模型在建筑物变形监测中的应用

通过对郑州市居民楼沉降变形监测数据进行处理,分别建立传统的GM(1.1)模型,新信息GM(1.1)模型,新陈代谢GM(1.1)模型,对三种模型进行分析与预报,比较的结果验证了新陈代谢GM(1.1)模型在建筑物沉降变形分析中的实用性、正确性和有效性。     

抗差主成分估计及应用

本文基于抗差估计和主成分估计理论，提出一种新的估计－抗差主成分估计，推导了参数的抗差主成分解，并结合算例进行了试算。结果表明：抗差主成分估计不仅可以解除法方程系数降的病态，而且对于抑制观测粗差的影响也有显著功效。     

基于方差分量估计的拟合推估及其在GIS误差纠正的应用

拟合推估解算必须首先求得信号向量的方差协方差矩阵,该协方差矩阵一般通过选定的协方差函数,并通过已测点数据进行拟合得到。显然观测噪声的先验方差协方差阵与拟合得到的随机信号的方差协方差矩阵必须相互协调,即观测噪声向量和信号向量的权矩阵所对应的方差因子应该一致,否则将对固定效应和随机效应参数的估计带来系统性的影响。应用方差分量估计来协调拟合推估模型中观测噪声和信号向量的随机模型,并分别从极大似然估计、MINQUE估计、赫尔默特方差分量估计三方面构建了拟合推估模型的方差分量解,最后利用新提出的理论与方法,对一幅实际的扫描地形图进行误差纠正,结果表明基于方差分量估计的拟合推估法能够提高扫描地形图的精度。