附有奇异值修正限制的改进的岭估计方法

最小二乘估计具有无偏性,而岭估计是一种有偏估计,它通过引入偏差降低方差来降低均方误差。在模型出现病态时,岭估计优于最小二乘估计。对岭估计的方差与偏差进行分析发现,岭估计通过修正病态矩阵的奇异值降低均方误差,但对部分较大奇异值的修正不能有效降低均方误差。通过比较修正奇异值的方差下降量与偏差引入量的大小关系确定需要修正的小奇异值,进而改进岭估计方法,实现选择性地修正小奇异值,提出附有奇异值修正限制的改进的岭估计方法,可有效改善岭估计的解算效果和可靠性,实验验证了新方法的可行性和有效性。     

单位权方差的岭估计和压缩估计

本文提出了求单位权方差的有偏估计方法─岭估计和压缩估计，证明了在一定条件下，岭估计和压缩估计的均方误差要小于最小二乘估计的约方误差，提出了求岭参数和压缩系数的方法。     

病态加权总体最小二乘的广义岭估计解法

针对加权情形下的变量误差(EIV)模型,采用广义岭估计法处理总体最小二乘平差的病态性问题. 结合最优化准则和协方差传播率推导了未知参数的改正数求解公式;根据参数估计值的均方误差最小化原理,通过求偏导数列出广义岭估计中岭参数的迭代解式,并讨论了广义岭参数的含义和作用,给出了确定岭参数的L-曲线法. 通过算例比较分析了加权最小二乘估计、总体最小二乘估计、加权最小二乘岭估计、总体最小二乘岭估计、加权最小二乘的广义岭估计和总体最小二乘广义岭估计,叙述了加权总体最小二乘的广义岭估计的优缺点.      

基于部分最小二乘岭估计的粗差定值定位

在利用部分最小二乘原理进行粗差定值定位时,模型的法方程矩阵可能存在病态性,使得到的粗差定值定位结果不可靠。文中针对观测数据包含多个粗差且法方程病态问题,利用岭估计处理病态问题,建立部分最小二乘岭估计的粗差定值定位方法,给出粗差搜索步骤,利用迭代算法实现多个粗差的定值和定位。通过模拟算例分析部分最小二乘法、部分最小二乘岭估计在粗差搜索方面的效果,从另一个角度探讨粗差处理方法,推广现有的误差理论,证明文中方法的有效性。     

平差参数的主成分估计

本文介绍一种求平差参数的有偏估计方法——主成分估计。当法方程系数矩阵呈病态时,主成分估计的均方误差要小于最小二乘估计的均方误差,因此,采用主成分估计是有益的。     

总体最小二乘在沉降监测数据中的应用研究

总体最小二乘估计方法顾及系数矩阵和观测向量误差,具有最小二乘估计方法无法对系数矩阵进行改正的独特优势,在数据处理中具有广泛的应用.基于此,对目前总体最小二乘估计中的参数求解方法和精度提升方法进行了阐述,之后采用路基沉降工程实例,对最小二乘和总体最小二乘预测精度进行比较分析.实验结果表明,总体最小二乘算法的精度更高.     

附有约束最小二乘配置的信号与观测误差的方差分量估计

介绍方差-协方差分量估计理论的研究和发展情况,讨论最小二乘配置模型信号与观测误差的方差分量估计问题。在实际应用中,考虑到未知参数间存在几何或物理约束,针对附有约束条件最小二乘配置的方差分量估计的问题,基于Helmert方差分量估计原理,导出相应的计算公式。模拟算例结果表明,利用约束条件能够改善方差分量的估计精度,验证方法的有效性。     

研究和应用岭估计时值得注意的问题

本文对目前最有影响的一类有偏估计——岭估计进行了研究和分析,并与最小二乘估计作了比较。通过分析和比较,指出了岭估计平差的结果与平差时所选取的参数近似值有关。在此基础上,探讨了在研究和应用岭估计时应注意的一些问题。     

平差参数的岭估计和压缩估计

当法方程的系数矩阵呈病态时,平差参数的统计性质就要变坏。为改善最小二乘估计,本文介绍岭估计和压缩估计,在一定条件下,岭估计和压缩估计的均方误差要小于最小二乘估计的均方误差。本文提出了各种求岭系数和压缩系数的方法,并对它们的使用提出了一些意见。     

结构总体最小二乘估计理论的拓展及其应用研究EI北大核心CSCD

具有随机系数矩阵的高斯-马尔可夫(GM)模型被称为变量误差(EIV)模型,在均方误差意义下,总体最小二乘(TLS)估计得到的EIV模型参数估值优于最小二乘(TLS)估计,这种状况已引起测绘领域的极大关注,并成为多年来的热点问题之一。     

基于分枝定界算法的整数最小二乘估计

在整数解的搜索过程中,对传统的分枝定界算法进行了改进,给出了如何沿最快下降的方向寻找下一分枝的算法,从而减少了分枝定界算法的分枝数,得到了一个可以用于解算混合整数平差模型的最小二乘估计方法。数值试验结果表明,所给算法大大改进了传统的分枝定界算法,并有广泛的适用性。     

自协方差最小二乘噪声估计的改进算法

针对现有自协方差最小二乘噪声估计结果非正定的问题,提出了一种能够有效克服数据长度不够以及先验信息不准的改进算法,保证噪声估计结果的正定性,从而提高自协方差最小二乘噪声估计的精度。数值仿真实验验证了该方法的正确性和有效性。     

稳健估计在GNSS高程拟合中的粗差探测

由于最小二乘法不能有效地抵抗粗差,而控制点的平面坐标和高程异常值中不可避免地含有误差,对应用最小二乘法和稳健估计法在GNSS高程拟合中的粗差探测进行探讨。通过对不同数量控制点的高程异常观测值中加入粗差,采用两种算法在求解GNSS高程拟合中的精度进行分析比较,并对粗差在稳健估计中的干扰范围进行研究,结果表明,稳健估计具有抵抗多个粗差的能力。     

带有线性不等式约束平差模型的算法研究

本文研究参数带有不等式约束平差模型的一种新算法。采用的方法是先将参数带有不等式约束的最小二乘问题转换成凸二次规划问题,然后利用二次规划的Kuhn-Tucker条件把二次规划问题转换成线性互补问题(LCP),从而求得参数最小二乘估计的一般形式,并给出算法,便于在实际测量中应用。     

基于BERNESE和GAMIT/GLOBK的联合数据处理探讨

主要探讨了基于SINEX的BERNESE和GAMIT/GLOBK的联合数据处理流程。选取东北地区的中国大陆构造环境监测网络(陆态网络)GNSS连续运行基准站和周边IGS跟踪站组成区域网,利用GAMIT进行区域网基线解算。在BERNESE ADDNEQ框架下实现全球统一网平差,利用3种方法综合验证解算精度,并达到毫米级,为大规模GNSS控制网联合数据处理提供了一套切实可行的解决方案。     

具有不确定性平差算法

观测不确定性常常影响参数估计的有效性。将不确定度作为参数融入平差模型,可以有效地降低不确定性的影响。本文提出有界不确定性误差约束下,随机误差与不确定性误差平方和最小的平差准则,并给出了一个不确定性平差模型迭代算法。通过仿真实例,对不确定性最小二乘法与总体最小二乘法进行了比较。结果显示:在一定程度上,不确定性最小二乘方法的估计结果要略优于总体最小二乘方法,且在不确定性较大时,该方法有较好的适用性。     

部分参数有非负约束平差模型的一种新算法

研究了部分参数带有非负约束的平差模型,提出了一种新的处理部分参数附有非负约束的平差方法。该方法是先将非负约束的最小二乘问题转换成凸二次规划问题,然后求其最优解。通过模拟实例说明,此算法可以很好地应用于实际测量中的平差计算。     

总体最小二乘求取AR(1)模型参数

针对最小二乘方法求取AR模型参数,引进总体最小二乘方法,通过AR模型的实例计算,结果表明,总体最小二乘可以得到更高精度的模型参数,具有更小的中误差。     

Least-squares prediction in linear models with integer unknowns

The prediction of spatially and/or temporal varying variates based on observations of these variates at some locations in space and/or instances in time, is an important topic in the various spatial and Earth sciences disciplines. This topic has been extensively studied, albeit under different names. The underlying model used is often of the trend-signal-noise type. This model is quite general and it encompasses many of the conceivable measurements. However, the methods of prediction based on these models have only been developed for the case the trend parameters are real-valued. In the present contribution we generalize the theory of least-squares prediction by permitting some or all of the trend parameters to be integer valued. We derive the solution for least-squares prediction in linear models with integer unknowns and show how it compares to the solution of ordinary least-squares prediction. We also study the probabilistic properties of the associated estimation and prediction errors. The probability density functions of these errors are derived and it is shown how they are driven by the probability mass functions of the integer estimators. Finally, we show how these multimodal distributions can be used for constructing confidence regions and for cross-validation purposes aimed at testing the validity of the underlying model. Dedicated to the memory of Dr. Tech.hc. Torben Krarup (1919–2005).     

灰色模型的整体最小二乘解算及应用

目前,灰色模型在变形监测数据处理及预报中的应用越来越广泛。针对系数矩阵和预测值存在的误差,该文采用整体最小二乘法,结合黑龙江省农业科学院在江北科技创新城核心区建设的国际农业科技创新中心工程,选取其中一个沉降监测点进行分析。实验结果表明,该方法的拟合精度更高,适用于变形监测数据处理。