非线性半参数模型最小二乘核估计的直接解法

基于非线性半参数模型最小二乘核估计,给出了其参数分量和非参数分量估计的构造式,导出了参数分量和非参数分量顾及二次项直接解法的计算公式。用实测数据进行计算,证明了对于非线性半参数模型最小二乘核估计,可采用顾及二次项的直接解法。     

结构损伤线性及非线性特征谱模式识别及应用

利用时间序列动态数据处理与建模对结构有损状态进行线性和非线性过程处理,用这两种方法对结构的物理状态进行谱分析和模态频率的提取进行了比较,计算结果表明非线性 Ｓ Ｅ Ｔ Ａ Ｒ 模型在特征谱的识别与提取上比线性 Ａ Ｒ Ｍ Ａ Ｘ 模型更有效,对微小损伤更灵敏。说明了在参数识别中非线性 Ｓ Ｅ Ｔ Ａ Ｒ 模型对物体损伤情况下振动数据建模较为客观,更能反映振动体系的损伤信息,是损伤识别数学模型有效的方法。     

非线性不等式约束平差的一种新岭估计算法

利用先验信息对参数加以约束,建立非线性不等式约束平差模型,并提出一种新的岭估计算法解算该平差模型。2个病态算例实验证明了本文算法的有效性,且计算结果精度高于普通岭估计。     

结构振动数据数学模型的线性与非线性刻划

对振动测试数据评价参数的数学反演使用时间序列的线性和非线性模型进行了建模,计算结果表明非线性的ＳＥＴＡＲ模型描述测试数据所反映的物理过程比线性ＡＲＭＡＸ模型更趋于合理、全面和客观。非线性ＳＥＴＡＲ模型能较深刻描述被测体系的振动机理和物理行为,为下一步振动数据评判奠定了基础     

改进的边坡变形非线性时变系统的不确定性分析

大地测量数据往往包含许多不确定性,可能导致所建立的函数模型产生病态,影响参数估计的准确性和可靠性。通过研究边坡变形非线性时变系统的力学原理,利用多项式拟合方法改进原模型,在参数解算过程中,考虑到测量数据的不确定性给解算结果带来消极影响,通过限制不确定度,利用min-max准则,提高参数解算的准确性,并将预测变形结果与实测边坡位移数据对比。结果表明,带不确定性的平差算法（least-square with uncertainty,ULS）与最小二乘平差（least-squares,LS）和整体最小二乘平差（total least-square,TLS）相比,其预测结果更接近实际测量数据,证明了改进的边坡变形非线性时变系统预测变形的有效性。     

一种面向系统状态参数预报的过程神经网络模型及其算法

为解决难以用确定机理模型描述的非线性系统状态预报问题,提出一种基于过程神经网络的预报模型及其算法.利用过程神经网络对动态系统的非线性映射机制和直接辨识建模能力,面向系统状态参数预测,建立一种反映系统过程模态特征变化的过程神经网络模型,分析模型的预测机制,给出相应学习算法.为弥补实际采样数据不足及提高数据信息利用率,利用...     

多源、多类、多时态非线性数据处理的整体降维解算

针对当今各国十分关注、大力倡导的“数字地球”、“数字国家”、“数字矿山”等科学工程构建中的多源，多维、多类型，多时态，多糖度并具有非线性特征的数据处理，及其函数模型中同时包含有非随机参数和随机参数，而随机参数又常常是随时间动态变化的情况，如仍采用经典的最小二乘处理方法或一般的非线性最小二乘数据处理方法，是不准确、不科学的。为此，提出了一种新的数据处理方法，即广州非线性动态最小二乘数据处理方法。针对广州非线最小二乘问题维数高的特殊结构，在已研究提出的分离迭代求解模型的基础上，提出了另一种新的整体降维解算的模型和算法，使原问题庞大的高维方程组的解算得以简化，将待求参数分离求解，大大减少了计算工作量，为多源，多维，多类型，多时态，多精度的非线性数据处理开辟了另一新途径。     

一种基于BP网的非线性变换信号模式识别算法

为了获取常用超短波信号的特征参数,采取一种非线性变换的方法。根据信号参数的分布信息,对信号特征不够明显的参数进行二次变换,使所有信号的特征参数都具有较好的区分度,并利用BP网对这些特征参数进行识别。大量的仿真实验表明,该方法参数提取容易,计算量较小,在较低信噪比下能够较好地识别常用的超短波信号。识别的信号为2FSK、MSK、QAM、DPSK和FM。     

一种选权迭代法的半参数回归模型在滑坡预测中的应用

传统抗差估计中的选权迭代法无法探测到模型的系统误差,而基于补偿最小二乘原理的半参数模型可以较好地分离出系统误差。通过建立选权迭代法的半参数回归模型,利用时间序列法、L曲线法分别确定模型中的正则化矩阵及平滑因子,并利用选权迭代法重新定权,同时降低了观测粗差和系统误差对参数估值的影响。通过仿真算例,并以重庆奉节县大坪滑坡实测数据为例,验证了选权迭代法的半参数回归方法应用到三峡库区滑坡预测的有效性和优越性。     

顾及地形坡度的非线性最小二乘相位解缠

InSAR相位解缠是利用干涉合成孔径雷达(InSAR)数据,提取数字高程模型,进行精确差分干涉测量的关键技术之一。然而缠绕的差分相位信息在地形陡峭或者坡度变化较大区域的解缠结果会有较大的误差传递的问题,针对此问题将干涉图中的地形坡度表示为距离向和方位向的局部相位频率,利用局部相位频率估计地形坡度和推导缠绕相位梯度概率密度函数(PG-PDF)参数模型,并将参数模型作为非线性最小二乘相位解缠模型约束条件,平滑不满足要求的缠绕相位梯度,经过迭代求解得到的解缠结果可以在消除噪声的同时减少地形因素的欠采样对相位解缠结果的影响,提高相位解缠的精度。最后,利用欧空局ENVISAT ASAR卫星获取的干涉数据进行实验,验证了算法在解缠精度和对地形的适应性方面优于直接加权的相位解缠算法,在频域下顾及地形的方法能有效克服LS对于相位坡度欠估计的缺点,具有较高的精度和稳定性,能够有效地考虑地形坡度的影响,抑制误差传递。     

������ģ�͵IJ�����С���˹���

??????e????????????????????????????????e????????е??????????????????????????????????ж????????????????????????С????????????????????????????????????????????????????????????????????y???Ч????     

����˫�������Ի��ع�Ļ��ӱ��η�����Ԥ��

??????????????????????????????????????????????????????????????????????????Ч??????????????????????????????Matlab??????????????????ε?????????????????????????????????????????????????????????????????????е???????     

真实和有效叶面积指数及聚集指数的尺度效应

尺度效应是地球科学和定量遥感中的重要研究课题,目前的许多研究大多集中在估算尺度效应带来的误差,而对一些关键的植被结构参数是否存在尺度效应及其尺度转换方法尚存在诸多不同见解.本文针对真实和有效叶面积指数(LeafAr-ea Index,LAI和Effective LAI,LAIe)以及聚集指数(Clumping Inde...     

非线性三维基准转换的稳健估计

三维基准转换广泛应用于大地测量和摄影测量。因为处理非线性的三维基准转换较困难，大多数情况下，是用线性的三维基准转换来解决问题，为此，提出了一种新的简便方法来处理非线性三维基准转换问题。该方法应用了稳健估计原理，使解算得到的转换参数更加稳定和可靠。最后给出了一个算例，计算结果表明新方法非常有效。     

基于经验模态分解与神经网络的信号预测

利用经验模态分解在处理非线性、非平稳信号以及人工神经网络可以较好地处理非线性问题的优点,通过经验模态分解把加入噪声的仿真信号分解成几个本征模态函数分量和一个趋势项,在分解过程中采用两种方法处理端点效应问题,结果表明两种方法都能很好的解决端点问题,然后对每个分量分别运用径向基函数神经网络进行预测,并重构出最后的预测结果。与不经EMD处理直接运用神经网络进行预测及真实数据进行对比,结果表明,相对于直接预测,该方法具有更好的预测效果。     

基于改进果蝇算法的非线性模型参数估计方法

在对基本果蝇优化算法的寻优流程进行深入分析的基础上,提出一种单方向搜索处理的改进果蝇优化算法（IFOA）。该方法可以对极值点为非零非负的非线性函数进行优化处理,将其应用于非线性模型参数估计。实例表明,IFOA方法在参数估计精度上优于线性近似法与非线性迭代方法;与以遗传算法为代表的智能搜索方法相比,其估计精度相当,并具有参数设置少、寻优过程简单、易于程序实现等优点。     

基于灰色最小二乘支持向量机的大坝变形预测

提出一种基于灰色最小二乘支持向量机的大坝变形预测新算法。通过对原始大坝序列进行一次累加,弱化序列中随机扰动的影响,增强数据的规律性,进而建立最小二乘支持向量机预测模型,并采用网格搜索法选取最优参数。算法充分利用了最小二乘支持向量机泛化能力强、非线性拟合性好等优良特性,避免了灰色方法及模型存在的理论缺陷。与灰色GM(1,1)和单一最小二乘支持向量机对比表明,新算法能保证较优的局部预测值和较好的全局预测精度,应用于短期大坝变形预测是可行的。     

��̬������С����ģ�͵������㷨

????????????????????????????????????????????????????С????????в???????,?????????????С???????????????????????????????????Tikhonov?????????????????????С??????????????????????????????????????????????Э????????????????????Fredholm???????????????????????????С????????????????????? ???????????????????????й?????????????????????????????     

基于SSA-Adam-BP神经网络模型的堰塞坝稳定性预测

现有的堰塞坝稳定性预测模型多为线性模型,无法充分考虑堰塞坝稳定性与其形态特征和水域条件之间的复杂非线性关系。鉴于此,结合反向传播神经网络模型和樽海鞘优化算法,提出了一种新型的堰塞坝稳定性预测模型SSA-Adam-BP。该模型通过网格搜索法选取确定模型结构的最佳超参数组合,进而利用交叉验证和绘制ROC曲线的方式分别对采用不同优化算法的模型进行评估。使用开源数据库中的全球153例堰塞坝数据对模型的实际应用进行了说明及验证。与传统线性模型的对比表明神经网络模型预测准确率较高,具有较低的误报率。将SSA与Adam优化算法结合提高了BP模型的全局搜索能力,其平均交叉验证准确率达到了91.73%,能够使用较少的参数实现对堰塞坝稳定性快速准确的预测。SSA-Adam-BP模型对近年来典型工程的稳定性能够准确预测,具有一定的实用性和系统平台推广应用价值。