半参数测量平差模型与系统误差处理

考虑半参数测量模型L=Bx+S+Δ,x$Rd为未知回归参数,S为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然插值样条函数。其次利用偏残差法并综合最小二乘法,导出了这种平差方法的解算公式。最后,用一个算例说明了此方法的优越性。     

利用半参数模型分离GPS基线中的系统误差

采用了两个新的正则化矩阵来分离高精度GPS基线向量处理中的系统误差,一是利用时间序列法选择的正则化矩阵;二是应用平稳随机过程的自协方差函数从双差观测值中提取的正则化矩阵。算例结果表明,本文选择的两种正则化矩阵处理的过程相对简单,速度快。     

基于非线性半参数模型的城市群似大地水准面系统误差研究

全球重力场模型EGM96是全球性大地水准面模型,由该模型确定的重力大地水准面与测区似大地水准面存在一个系统差值。本文引入非线性半参数模型非参数分量表示系统误差,进行数据处理,与传统的多项式拟合法比较,证明非线性半参数方法求解结果更好。     

非线性半参数模型最小二乘核估计法方程系数阵的非奇异性质

本文基于非线性半参数模型最小二乘核估计的迭代解法,证明了非线性半参数模型最小二乘类估计法方程系数阵在一定条件下的非奇异性。这种性质可类推到非线性半参数模型的其他最小二乘类估计方法和其他非线性解算方法,这是对非线性半参数模型估计理论的初步推导。     

自然样条半参数模型与系统误差估计

采用自然样条逼近的数据处理方法,探讨了自然样条半参数回归分析方法。在补偿最小二乘的原则下,利用三次样条函数构造补偿项,通过广义交叉核实函数自动选取光滑参数。自编程序进行计算,得到了回归参数向量和样条函数的补偿最小二乘估计。模拟计算表明,该方法适合于回归函数模型误差与测量系统误差的估计。     

基于半参数模型的卡尔曼滤波在变形监测中的应用

在变形监测数据处理中,单纯使用卡尔曼滤波方法而不考虑建模误差及数据中的系统误差,有时可能导致滤波发散。使用半参数模型将系统误差和模型误差引入非参数因素进行处理,可以有效减少二者的影响,避免滤波发散,提高卡尔曼滤波的预测精度。实例表明,基于半参数模型的卡尔曼滤波,较单一的卡尔曼滤波预测精度更高。     

一种Partial EIV半参数模型的系统误差处理方法

在使用总体最小二乘求解参数时,若观测值中包含系统误差,此时得到的参数估值则会受到系统误差的影响,从而得到不可靠的解,因此必须削弱系统误差对参数估计的影响,以获得相对可靠的解。本文提出在partial errors-in-variables （Partial EIV）模型的基础上给观测值增加非参数部分（系统误差）,从而构建Partial EIV半参数模型;基于补偿最小二乘准则进行公式推导,并分别通过选取适当的正则化矩阵及通过L曲线法确定平滑因子。通过算例结果分析表明,与传统方法相比,本文的方法在一定程度上能够削弱系统误差的影响,得到更为可靠的参数解,从而验证了该方法的有效性和可行性。     

基于半参数模型的误差理论在数据处理中的应用

利用现代测量仪器和技术可以在短时间内获得大量的观测数据,但其中也包含着大量无法补偿的系统误差,因此参数的估计量会产生严重偏差。本文从半参数模型的理论研究成果和测绘科学的实际需要出发,研究半参数模型的估计方法测绘数据处理中的应用。     

非线性模型的一种半参数估计方法

提出用半参数估计理论来解求非线性问题的思想,即用半参数模型中的非参数分量表达非线性模型线性化后的近似余项,推导基于最小二乘核估计的相应解算公式,通过算例试验分析表明,此法对于非线性强度较强的模型,其效果较为明显.     

半参数模型的小波估计及其在变形分析中的应用

本文给出了半参数模型的小波估计方法,它克服了补偿最小二乘法的一些不足,并将该小波估计法应用于变形分析中,其计算结果优于已有的结果,从而说明了该方法能够有效地应用于变形分析的研究中。     

利用半参数模型精化GPS绝对定位中残余的系统偏差

为了减弱GPS单点定位中残余的系统偏差对参数估值精度的影响,在误差方程中引入一非参数分量来表示测量中残余的系统误差,即利用半参数模型来精化GPS绝对定位的函数模型。最后利用实测GPS数据检验了此算法的有效性,计算结果表明在一定程度上该算法不仅能够提高参数估值的精度,而且还能提取出平差模型中残余的系统偏差。但因为半参数模型在测量数据处理中的应用才刚刚起步,还有许多问题值得在理论与实践上进行深入的探讨与研究。     

半参数模型精度研究

通过对时间序列测量数学模型的研究,将半参数回归分析方法引入AR(p)模型,利用算例对其模型精度进行比较研究,得出引入半参数后可以检查出一般模型不能检查出的粗差或模型误差,提高结果精度的结论。     

Statistical diagnosis and gross error test for semiparametric linear model

This paper systematically studies the statistical diagnosis and hypothesis testing for the semiparametric linear regression model according to the theories and methods of the statistical diagnosis and hypothesis testing for parametric regression model. Several diagnostic measures and the methods for gross error testing are derived. Especially, the global and local influence analysis of the gross error on the parameter X and the nonparameter s are discussed in detail; at the same time, the paper proves that the data point deletion model is equivalent to the mean shift model for the semiparametric regression model. Finally, with one simulative computing example, some helpful conclusions are drawn.     

半参数测量平差模型参数的二阶段估计

本文首先利用自然样条函数法,找到符合条件的非参数自然插值样条函数。其次利用核函数并综合最小二乘法建立了参数x和S非参数的估计量x、S,讨论了窗宽参数h的选取方法。最后,用一个模拟的平差算例从估值的稳定性、均方差等方面与最小二乘法进行了比较,结果说明,半参数测量模型能更接近于真实情况。     

半参数模型统计诊断与粗差检验

This paper systematically studies the statistical diagnosis and hypothesis testing for the semiparametric linear regression model according to the theories and methods of the statistical diagnosis and hypothesis testing for parametric regression model.Several diagnostic measures and the methods for gross error testing are derived.Especially,the global and local influence analysis of the gross error on the parameter X and the nonparameter s are discussed in detail;at the same time,the paper proves that the d...     

随机删失下半参数模型的补偿估计方法

考虑半参数测量模型L=Bx+S+Δ,x∈Rd为未知回归参数,S为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然插值样条函数。其次利用补偿法并综合最小二乘法,导出了这种平差方法的解算公式。在本文的最后,将这种方法与最小二乘平差方法进行了比较分析,结果说明,半参数测量模型能更接近于真实情况。     

改进了系统差附加条件的半参数回归与模型精化

系统差之和∑si≠0时,利用附加系统差之和∑si＝0的半参数模型往往得不到较好的数据处理结果,文中从理论上对系统差附加条件进行了改进,并基于改进前、改进后的半参数模型以及经典最小二乘平差模型对系统差之和∑si≠0时的算例进行处理.结果表明,改进后的半参数模型大大提高了数据处理精度.     

模型误差平差补偿方法比较

在高精度数据处理中,模型误差是不可忽视的。针对模型误差,简单介绍了模型误差补偿的四种方法。通过某一实例四种方法的补偿比较发现在此例中最小二乘方法补偿效果最好,并分析解释了半参数法在此例中不适合的原因。     

半参数模型的累积估计

文献 [1]用累积法研究了线性回归模型 ,得到了与最小二乘法相当的效果。本文将运用此法研究半参数模型得到了参数 β及非参数s (ti)的估计量 ;而后模拟一个例子 ,说明了此法的有效性。运用累积法不仅能得到与补偿最小二乘法相当的效果 ,而且弥补了补偿最小二乘法的一些不足。若该法与补偿最小二乘法结合在一起使用 ,将会得到较理想的结果。