CORS站高程非线性速度场及方差波动模型构建方法

本文描述了CORS站高程时间序列采用固定周期项建立线性速度场的基本概念,指出给定周期与实际周期存在偏差的问题。为此,提出了CORS站高程时间序列非线性速度场建模方法。该方法以线性最小二乘解作为迭代初值,利用高斯-牛顿迭代算法求解非线性速度场模型的未知参数,实现了CORS站高程时间序列数据的非线性建模;给出了拟合模型残差平方序列异方差特性的检验方法,阐述了建立GARCH(p,q)模型反映CORS站高程非平稳序列波动情况的基本准则。本文以国内外6个CORS站20余年的高程时间序列为研究对象,建立非线性速度场运动模型。结果表明:CORS站高程运动并不存在严格的整年或半年周期项,近似年周期运动最为明显,近似两年周期运动占比最小,年周期估计偏差达到12%,半年周期偏差18%,两年周期偏差6%,非线性建模精度和效果整体优于线性模型。利用ARCH检验法得到CORS站高程非线性模型的残差平方序列存在异方差性,即残差平方序列具有非平稳特性,引入GARCH(p,q)模型对CORS站高程分量非平稳残差平方序列建模,反映了残差平方序列的非平稳波动。验证了GARCH(p,q)模型对CORS站高程非平稳残差平方序列建模的可行性,为今后利用GARCH(p,q)模型对CORS站高程非平稳噪声序列建模和非线性速度场重构提供了思路。     

基于同伦算法的非线性最小二乘相位解缠

线性加权最小二乘方法进行相位解缠时,采用迭代法求解,收敛速度慢,不容易得到精确解。本文提出非线性相位解缠模型,并采用同伦算法实现非线性最小二乘相位解缠。通过真实数据与线性最小二乘相位解缠算法进行对比实验,验证了该方法是有效的,特别是在有噪声干扰的区域,该方法可以提高相位解缠的精度。     

基于非线性最小二乘的坐标转换及精度分析

在GPS应用中经常涉及到坐标系转换的问题。利用七参数线性模型进行坐标转换是目前常用的坐标转换方法,但是当旋转角较大时,利用七参数线性模型转换会存在较大的模型误差。本文提出七参数模型的非线性最小二乘求解方法,结合模拟坐标数据比较了非线性最小二乘与传统迭代法的求解精度。结果表明：在旋转角较大的情况下,利用非线性最小二乘方法求解坐标转换参数精度比迭代法有明显提高。     

非线性二维转换模型的稳健总体最小二乘算法

针对应用线性最小二乘估计准则求解非线性平面转换模型参数时,通过定义间接参数将模型线性化的方法不能直接求解转换模型参数的问题,该文在非线性平面转换模型的基础上,建立线性模型,实现平面坐标的转换。为解决控制点已知坐标与观测坐标中均含有误差对转换参数求解的影响,对应用稳健总体最小二乘求解线性模型参数的算法进行讨论。最后,通过算例比较稳健总体最小二乘算法与最小二乘算法在抗差性方面的优势。结果表明,稳健总体最小二乘算法更适用于应用线性模型求解未知控制点的转换坐标。     

非线性最小二乘的遗传算法与常规算法的比较

为克服线性经典平差的不足,对非线性最小二乘进行了研究,主要将遗传算法应用于非线性模型参数估计领域,并采用阻尼最小二乘法和高斯-牛顿法对同一观测数据进行了处理,且对解算结果进行了比较。     

基于Moore-Penrose广义逆及立体矩阵的可分离非线性最小二乘解算方法

针对测绘领域中函数模型为非线性函数的线性组合的特殊结构,本文提出了基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法。该方法首先利用变量投影算法消除可分离非线性模型中的线性参数,将包含两类参数的原非线性优化问题转化为仅含有非线性参数的最小二乘问题。然后,基于Moore-Penrose广义逆矩阵的微分和立体矩阵理论计算最小二乘目标函数的一阶导数,进而采用非线性优化的LM方法求解非线性参数的最优估值。最后,根据最小二乘方法求解线性参数的最优估值。通过指数函数模型拟合和机载LiDAR全波形参数求解试验与传统参数不分离优化方法进行对比,结果表明,基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法对待求参数初值依赖性低,同时避免了迭代过程中线性参数导致的病态问题,算法稳定性好,为测绘领域中可分离非线性最小二乘问题的解算提供了一种思路,也拓展了可分离非线性最小二乘方法的应用。     

非线性回归模型在边坡变形监测中的应用

为了对边坡变形进行准确预测,本文在线性回归模型的基础上,结合边坡变形实际监测数据,提出了一种边坡变形预报的非线性模型。文章根据最小二乘原理,采用线性逼近的方法对非线性模型的参数进行求解,并比较了3种不同非线性模型的回归精度。实验分析表明:非线性回归模型中的Weibull模型能精确预报边坡变形,可为今后高精度边坡变形预报提供参考。     

GPS非线性数据处理的同伦最小二乘模型

基于非线性同伦思想 ,提出了非线性最小二乘同伦方法 ,并推导出相应的GPS同伦非线性模型和算法。算例表明 ,对于精度较差的初始值 ,采用同伦非线性GPS伪距定位模型较线性最小二乘求解精度要好。     

CORS站高程非线性速度场估计方法

针对以固定周期项的线性拟合模型建立CORS站垂向速度场运动模型的方法,该文设计非线性最小二乘周期拟合算法以线性LS模型的周期项和振幅等作为非线性模型的初值,迭代求解CORS站非线性高程速度场模型的各周期项参数。以Kunm站近12年的高程时间序列为例,近似的年、半年、两年周期等的频率分别为0.999 87、2.018 4、0.500 185,振幅分别为0.17、0.002、0.23cm,非线性速度场模型拟合后的残差中误差由1.34mm降低为1.25mm。实验结果表明,非线性速度场拟合的周期项并不是固定精确的年、半年等,拟合模型的精度有所提高。     

利用整体最小二乘法建立线性回归模型

对于在实际应用中的直线回归问题,存在着因自变量和因变量选取不同拟合结果存在差异的情况,文中采用了一种线性拟合参数估计的新方法,即整体最小二乘法。文章在描述普通最小二乘和整体最小二乘原理的基础上,并对比其异同,并采用奇异值分解的方法来求解整体最小二乘问题。算例结果表明,采用整体最小二乘方法估计线性回归参数的精度明显高于常规最小二乘法,是一种值得借鉴的算法。     

最小二乘支持向量机在沉降量预测中的应用

高层建筑物的地基沉降量是高层建筑物安全的一个重要指标,根据已有的观测数据对未来的沉降量进行观测可以有效预防灾害的发生。由于沉降量是一个复杂的非线性过程,采用非线性预测方法是一种可行有效的方法。本文将最小二乘支持向量机应用于高层建筑物地基沉降量的预测,对参数分别用交叉验证和遗传算法进行了优化。经过实例验证,最小二乘支持向量机应用于沉降量的预测是可行的,并且遗传算法优化的最小二乘支持向量机的预测沉降量精度更优。     

基于两步修正法的摄像机定标

分析了用线性模型进行摄像机定标的缺点和局限性。然后设计了一种基于径向畸变的非线性模型,并提出了用两步修正法解算该非线性模型摄像机的内外参数。该方法将传统求解的非线性最小二乘法转换为线性最小二乘法和简单的非线性方法,实验结果表明该方法可简化计算过程以提高摄像机的标定效率,同时可改善摄像机的标定精度。     

基于长度修正的预测算法优化

当自变量之间存在多重相关性时,若利用最小二乘法建立预测模型,参数估计会存在误差。若应用偏最小二乘回归算法建立预测模型,可以克服自变量之间多重相关性问题,计算结果更为可靠。长度修正的偏最小二乘回归算法从预测的角度对偏最小二乘模型进行了改进。以芹山水电站的水平位移预测为例,验证了长度修正的偏最小二乘回归法比普通偏最小二乘回归法在预测方面效果更好。     

实参数与复参数混合域最小二乘平差方法

针对平差问题同时含有实数域参数和复数域参数的情形,提出了实参与复参混合的测量平差建模思路,并导出了相应的混合域最小二乘平差方法。该方法统一概括了实最小二乘和复最小二乘方法,其估计过程包括两步:基于零空间算子的实参数平差估计和复数平差模型的复参数估计。通过等价变换将实数域投影变换模型、直接线性变换模型分别重构为相应的混合域平差模型,有效降低法方程求逆维数,从而提高建模和平差计算效率。应用结果及分析验证了本文所提方法的正确性和有效性。     

一种基于非线性最小二乘的空间后方交会算法

经典的空间后方交会算法利用一个线性的近似模型去逼近原始的非线性模型,通过迭代解算出成像瞬间摄站的位置和姿态。随着测量精度的提高,因线性化产生的模型误差逐渐显著,因而需要对非线性模型进行研究。本文基于非线性最小二乘原理,研究空间后方交会的非线性解算方法。并通过试验验证该方法的有效性。     

顾及粗差的混合最小二乘平差实验分析

通过详细介绍总体最小二乘法以及其与经典最小二乘法的关系,引出综合了经典最小二乘法与总体最小二乘法的混合最小二乘平差法。为了研究混合最小二乘法的优劣,本文设计一套比较混合最小二乘法与经典最小二乘法的实验方案。通过实验结果可知,混合最小二乘法并非总优于经典最小二乘法,只有当系数阵误差比观测值误差大或略小时,混合最小二乘法才始终优于经典最小二乘法。     

灰色最小二乘支持向量机在滑坡变形预测中的应用

结合灰色系统思想与最小二乘支持向量机构成灰色最小二乘支持向量机,根据目前灰色模型与最小二乘支持向量机结合的方法,提出并联型、串联型和残差型三种预测模型的结构.将上述三种灰色最小二乘支持向量机模型用于对三峡库区石佛寺滑坡垂直位移进行预测,模型精度和预测结果比较理想,优于单一预测模型.试验表明:灰色最小二乘支持向量机可提高预测精度,用于滑坡变形预测是有效可行的.     

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.     

关于总体最小二乘方法适应性实验研究

总体最小二乘是近年来发展起来的较最小二乘方法更为严密的平差方法,总体最小二乘能够顾及系数矩阵和观测值矩阵同时存在偶然误差并加以改正。然而对于总体最小二乘方法的适用性以及在根据实际数据建立模型时总体最小二乘方法改正系数矩阵和观测值矩阵误差的能力问题还没有深入研究,针对一元线性回归模型,讨论总体最小二乘方法的灵敏性,利用仿真实验数据验证总体最小二乘方法在线性回归模型中的改正能力和优越性。     

一种剔除GPS坐标时间序列非线性趋势项的方法

GPS站点坐标的时间序列通常由信号的周期项、趋势项及噪声组成,其中,坐标时间序列的非线性趋势项是非平稳时间序列分析处理中的一个重要内容。本文引入了平滑先验滤波法来剔除GPS坐标时间序列的非线性趋势项,并与传统的最小二乘方法进行对比。先后分析了最小二乘和平滑先验法消除趋势项的方法原理,并利用Matlab对两种方法进行实现,进而对比分析两种方法消除趋势项效果。结果表明:相比最小二乘方法,平滑先验法能够有效地消除GPS坐标时间序列中的非线性趋势项。