病态总体最小二乘的混合正则化算法

病态问题在大地测量数据处理中广泛存在,单一的Tikhonov正则化算法会造成求解过度平滑,而TV正则化可以更有效地抵抗噪声。本文将Tikhonov正则化和TV正则化两种方法有效结合,推导了具体求解公式并给出相应迭代算法。计算表明,本文提出的方法在处理病态总体最小二乘问题上稳定性更高。     

不适定方程正则化算法的谱分解式

从观测方程系数矩阵的谱分解着手探讨不适宜方程的正则化算法。利用谱分解式阐明了正则化的主要作用是平滑对参数估值比较敏感的观测误差的高频分量，完整给出了最小二乘平差、秩亏平差和病态方程正则化解的谱分解公式，证明了正则化解参数估值偏离真值的二次范数的期望值与均方误差是等价的。     

病态加权总体最小二乘模型的正则化抗差解法

针对EIV模型系数阵病态且系数阵和观测值精度不同的情形,基于拉格朗日乘数法导出病态加权总体最小二乘模型的正则化解法,并证明已有的等权病态总体最小二乘模型的正则化解法是其特例。在此基础上,进一步提出基于中位数法的病态加权总体最小二乘模型的正则化抗差解法,并用第一类Fredholm积分方程和病态测边网两个算例验证算法的有效性。结果表明,受系数阵病态性以及粗差的影响,最小二乘解和总体最小二乘解精度较差,严重偏离真值;正则化解法在顾及系数阵和观测值误差的同时可有效削弱模型的病态性,其精度较最小二乘解和总体最小二乘解有所提升;而正则化抗差解法在正则化解的基础上,利用等价权函数重构权阵,能有效抵御粗差的影响,其精度最高。     

一种构造正则化矩阵的新方法

在系数矩阵病态时进行参数求解,合理地选择正则化参数和正则化矩阵可以提高参数估计的可靠性。针对正则化矩阵如何构造的问题,提出一种新的正则化矩阵构造方法。通过法矩阵较小奇异值对应的特征向量构造出一个对称矩阵,用该矩阵的主对角线元素构造出对角矩阵,然后与单位矩阵组合得出一种新的正则化矩阵。实验表明,当正则化参数小于1时,新算法的参数估值优于岭估计。     

基于多参数正则化的空间坐标转换功能与改精度分析

三维坐标转换广泛应用于测绘内业计算中,其转换参数直接影响到转换点的精度.采用Bursa模型通过3个以上的公共点利用最小二乘法求取转换参数时,其中的系数矩阵严重病态,使求得的转换参数在公共点范围之外并不可靠.提出了基于Morozov偏差原理的Tikhonov正则化方法,考虑平移量、旋转角和尺度的多正则化参数的计算模型.模拟实验精度分析表明:多参数正则化求得的转换参数较最小二乘和单参数正则化,可以更好地提高外推精度和稳定性.     

病态加权总体最小二乘靶向病灶的正则化方法

病态EIV模型的病灶源于设计矩阵的部分数据列之间存在复共线性关系。针对病灶特点制定正则化策略,在克服病态性的同时尽量减小正则化过程所引起的副作用,提出靶向病灶的正则化方法。通过数值试验,与总体最小二乘方法、病态总体正则化方法等进行比较,结果表明靶向病灶的正则化方法最优。     

一种计算补偿最小二乘正则化参数的最优化方法

在半参数模型补偿最小二乘估计中,如何有效地计算正则化参数是求解的关键。在建立一种新的补偿最小二乘模型的基础上,基于广义交叉核实与L曲线准则,采用最优化方法计算正则化参数。仿真计算表明,本文方法是一种计算正则化参数更为有效的方法。     

等式约束病态总体最小二乘模型的正则化解及其精度评定

利用平差参数间合理的先验信息能够显著提高解的精度。在病态总体最小二乘模型的基础上,引入等式约束条件,建立等式约束病态总体最小二乘模型,构建该模型的约束正则化准则,并根据拉格朗日极值法导出参数的迭代解及方差-协方差阵,最后以数值算例和病态测边网算例验证公式的正确性。结果表明,新方法通过正则化准则能改善法矩阵的病态性,且遵从EIV准则顾及系数阵的误差,同时还考虑参数间合理的先验信息,其解的精度得到显著提升。     

基于正则化与恒星日滤波的BDS多路径误差削减方法

在重构的载波相位单差残差基础上,利用分段思想估计北斗卫星的多路径重复时间,分别采用正则化方法和经典小波滤波方法提取载波相位单差残差的多路径信号,得到“干净”的单差残差序列。实验结果表明,利用Tikhonov正则化方法正确提取多路径信号是可行的,多路径信号比原始测量残差更具平滑性,并进一步优化了正则化参数的估计方法。利用优化后的Tikhonov正则化方法与恒星日滤波后,载波相位单差残差平均改进40.5%;坐标残差E、N、U方向分别改进24.8%、26.3%和42.7%。无论是观测值域还是坐标域,优化后的Tikhonov正则化方法较传统的小波滤波方法更具优越性。     

���򻯷�����ͳһ

????С?????????????任??????1????????????????????????????????????????Э????????????????????????????????????????????Tikhonov?????????????????????????????鷽?????????????????????Э??????????????     

高程异常拟合病态EIV模型的广义岭估计算法

应用法方程矩阵的特征向量构造正则化矩阵,改进通过单一参数既要实现降正则化、又要实现正则化的高程异常拟合病态模型算法。以二次多项式拟合模型为例,应用实测数据对算法进行验证,并与现有病态模型的正则化算法进行比较。     

Undersea Buried Pipeline Reconstruction Based on the Level Set and Inverse Multiquadric Regularization Method

The electric inversion technique reconstructs the subsurface medium distribution from acquired data. On the basis of electric inversion, objects buried under the earth or seabed, such as pipelines and unexploded ordnance, are detected and located in a contactless manner. However, the process of accurately reconstructing the shape of the target object is challenging because electric inversion is a nonlinear and ill-posed problem. In this work, we present an inverse multiquadric (IMQ) regularization method based on the level set function for reconstructing buried pipelines. In the case of locating underwater objects, the unknown inversion area is split into two parts, the background and the pipeline with known conductivity. The geometry of the pipeline is represented based on the level set function for achieving a noiseless inversion image. To obtain a binary image, the IMQ is used as the regularization term, which 'pushes' the level set function away from 0. We also provide an appropriate method to select the bandwidth and regularization pa-rameters for the IMQ regularization term, resulting in reconstructed images with sharp edges. The simulation results and analysis show that the proposed method performs better than classical inversion methods.     

贝叶斯正则化的Elman神经网络电离层TEC预报模型

利用2017年中低纬电离层总电子含量、地磁活动指数、年积日等参数,首次建立基于贝叶斯正则化(Bayesian regularization)的Elman回归神经网络(BR-Elman)的电离层TEC预报模型。同时,根据地磁活动指数的变化特征,分别进行平静电离层和扰动电离层预报建模。实验结果表明,该方法在平静期5 d预测值的均方根误差为1.19 TECu,残差为1.03 TECu,相关系数为0.93;在扰动期5 d预测值均方根误差为1.34 TECu,残差为1.01 TECu,相关系数为0.91。贝叶斯正则化的BP神经网络模型以及传统BP神经网络模型在平静期与扰动期5 d的预测上,均方根误差最小为1.87 TECu,残差最小为1.50 TECu,相关系数最优为0.87。通过对比分析,该模型较其他2个模型的预报效果有明显改善。     

航空重力梯度数据向下延拓的正则化方法及参数选取研究

围绕航空重力梯度测量数据处理的向下延拓问题,利用不同的正则化算法和参数选取方法对向下延拓的数学模型分别求解。通过梯度数值的模拟,联合EGM2008位系数计算的大地水准面上的重力场参数,对向下延拓结果进行检核。模拟数值计算结果表明,截断奇异值正则化（TSVD）方法结合广义交叉验证（GCV）参数选取方法能够实现稳定的重力场信号向下延拓,精度和稳定性都优于其他几种方法的组合。     

用U曲线法确定地震同震滑动分布反演正则化参数

针对地震滑动分布反演中正则化参数选取问题,提出利用U曲线法确定地震滑动分布反演正则化参数。利用U曲线法、L曲线法设计模拟实验,并将两种方法应用到芦山实际震例反演中。模拟实验以及芦山实际震例反演结果表明,利用U曲线法确定正则化参数反演地震滑动分布结果与L曲线法相比具有反演精度高、无需依赖数据拟合精度等优势。     

���������繹���GPS/INS����Ӧ��ϵ����㷨

????????????????￡??????????????????????????????????????????GPS/INS????????????????????????????????????????????????????????????????????????????Ч????????????????????????????????????????????????????     

病态模型改进正则化解的单位权中误差无偏估计

正则化法通过引入正则化参数对奇异值加以修正,从而改善法矩阵的病态性,然而其不加区别地对所有奇异值进行修正显然是不合理的。本文比较正则化解均方误差和最小二乘解方差的迹谱分解展开式,分析因修正奇异值导致解的均方误差变化与奇异值的关系,确定奇异值修正与否的条件,并基于残差二次型期望公式导出改进正则化解的无偏单位权中误差计算公式,最后用数值算例和病态测边网算例验证公式的正确性。     

附有等式约束病态模型正则化解的单位权中误差无偏估计

利用平差参数间合理的等式约束虽能提升病态模型解的精度,但其本质仍是通过引入正则化参数来改善模型的病态性,由于改变了观测方程的结构,所得的估值残差及单位权中误差均有偏。针对这一不足,在病态模型正则化解的无偏单位权方差估计式基础上引入等式约束条件,根据约束正则化解的残差二次型期望公式,导出约束正则化解的无偏单位权中误差估计式,并用数值算例和病态测边网算例验证其正确性。结果表明,本文公式所估的单位权中误差精度优于传统公式所估结果。