Gamma概率分布模型参数的数值估计方法

讨论了二参数Gamma概率分布参数的估计方法，并对Thom极大似然估计方法进行了改进，提出了修正方案。     

规范状态空间系统辨识方法

因为状态空间模型既包含了未知状态,又包含了未知参数,且二者是非线性乘积关系,使得辨识问题变得复杂.针对这一问题,详细研究了规范状态空间系统的状态与参数联合估计方法.采用交互估计理论,即采用递推方法或迭代方法实现系统状态与参数的交互估计.基本思路是在计算参数估计时,辨识算法信息向量中的未知状态用其估计值代替,然后利用获得的参数估计,设计基于参数估计的状态观测器或基于参数估计的Kalman滤波算法估计系统的状态,二者形成一个交互计算过程(递阶计算过程).沿着这条思路,分别从递推方案和迭代方案,研究和提出了基于状态观测器和基于Kalman滤波状态估计的随机梯度辨识算法、递推最小二乘辨识算法、多新息随机梯度辨识算法、多新息最小二乘辨识算法,以及模型分解的辨识算法,并给出了几个典型算法的计算步骤、流程图和计算量.     

CoLM 模拟土壤温度和湿度最敏感参数的研究

合理的参数估计是提高陆面模式模拟能力的关键,而其过高的维数极大地增加了合理估计的难度。参数的敏感性分析,旨在针对目标变量找出最敏感的参数,从而实现在有限计算机资源条件下,对参数进行合理估计。本文以Common Land Model(CoLM)为研究对象,利用Morris 方法定性地从40 个参数中筛选出影响土壤温度和土壤湿度的敏感参数,并通过Sobol' 方法从敏感性顺序和各敏感参数的累积贡献率两个方面,对Morris 方法分析结果进行验证。在此基础上,本研究还利用Sobol' 方法对已筛选的参数做定量敏感性分析,最终确定参数的主效应、交互效应和总效应。研究结果表明,Morris 方法可以基于少量样本实现复杂的陆面模式的参数筛选,而Sobol' 方法的结果又从定量的角度描述了每个敏感参数对模型响应的影响程度,并且两种方法结论一致。     

附加系统参数的多时相InSAR时空建模和形变估计

轨道误差和长波大气延迟组成的系统误差是影响InSAR形变监测精度的重要因素之一.传统方法在空间域对干涉图的系统误差建模,容易导致长波形变和系统误差相混淆.本文在时空域利用附加系统参数对系统误差建模,同时根据观测值质量对差分相位观测值定权,采用附加系统参数的加权最小二乘法估计形变参数和系统误差,实现了长波形变和系统误差的分离.模拟实验结果表明,在形变与系统误差的空间变化特性完全一致的极端情况下,本文方法能实现两者的有效分离,估计的形变速率均方根误差比传统方法降低了98.8%.ASAR数据实验显示当形变尺度较小且分散分布时,本文方法和传统方法得到的结果相似;当形变在研究区内表现为长波变化时,本文方法比传统方法估计的形变结果更为稳健.     

风廓线雷达回波参量估计算法验证及其地杂波抑制方法研究

估计天气状况的回波资料均由雷达厂家直接给出,其估计的准确性及精确度还有待验证。针对这一问题,改进了回波信号的模拟方法,给出了一套可行的检验目前估计各种雷达回波参数算法正确性的系统;同时为了减小地杂波对信号参数估计的影响,在静态小波变换的基础上,提出了一种抑制风廓线雷达地杂波的方法,这种方法通过计算各层小波系数上的二阶原...     

响应变量随机缺失下部分线性单指标模型的非参数判别检验

研究了响应变量随机缺失情况下部分线性单指标模型的非参数部分检验问题,检验非参数部分预测变量同响应变量之间是否存在非线性关系.用参数和非参数函数的借补估计对缺失响应变量进行插值,并基于借补估计构造了广义似然比检验统计量,证明了其渐近分布性质.     

一种确定混合模型成分的快速方法

混合模型的成分个数经常是未知的,因此对混合模型成分个数的估计尤为重要,通过引入L1距离,提出一种估计混合模型的成分个数的方法,并在此基础上利用EM算法来估计模型参数,模拟验证表明算法是非常有效的。     

暴雨强度公式参数的遗传优化

遗传算法是模型参数优化估计的一种通用方法。提出将遗传算法应用于不同重现期的暴雨强度与降雨历时关系式中参数的优化，并进行了实例分析计算。结果表明：遗传算法用于暴雨强度公式参数优化的原理直观、方法简便，具有通用性。     

动态调节模型的三阶段最小二乘辨识方法

针对动态调节模型提出一种三阶段最小二乘辨识方法.先将模型变换为CARMA模型,估计出变换后的CARMA模型参数,再利用已得到的参数估计依次辨识原模型中的系统模型参数和噪声模型参数.该方法原理简单,有效可行.     

红外云图的参数化及其与局地降雨的关系探讨

本文从大气探测原理和大气物理的基本概念出发,将地面气象观测资料与红外卫星云图相结合进行参数化估计,得到一些参数化估计结果。初步分析表明,这些参数化估计值与局地降雨有较好的相关关系。