半参数模型稳健估计及其应用

在半参数模型估计中,均假设观测误差服从正态分布.当观测量含有粗差时,粗差对参数和非参数估计的影响是不可忽略.基于此,首先在总结线性参数模型稳健估计基本理论的基础上,论述了M估计权因子的确定方法.然后提出了半参数模型稳健估计方法,并导出半参数模型(广义)补偿最小二乘稳健估计的基本公式.最后通过两个模拟算例验证了其估计方法的有效性.     

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。     

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。     

半参数平差模型参数的两步估计

考虑半参数平差模型L=Bx+S+Δ,xεRd,S为未知回归参数,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样条插值函数。其次利用偏残差法并综合最小二乘法,导出了参数和非参数的解算公式,讨论了窗宽参数的选取方法。在本文的最后,将这种估计方法应用到重力场的计算中,说明了利用半参数平差模型估计参数的有效性。     

线性半参数模型非参数假设检验理论和方法

线性半参数回归模型L=Bx+s+Δ是线性模型与非参数回归模型的混合体,在半参数模型补偿最小二乘估计基本理论的基础上,详细介绍了半参数模型非参数假设检验的理论与方法,导出了其假设检验统计量,并对检验统计量的分布进行了推导与证明。最后通过模拟算例验证了其理论与方法的有效性。     

基于EIV模型的稳健估计

EIV（error-in-variables）模型同时考虑观测向量和系数矩阵的误差,自提出以来便得到广泛应用。目前针对EIV模型的整体最小二乘解法（TLS）假设观测值仅含有偶然误差,当观测值存在粗差时其解并不是最优的。文中通过选定合适的权函数,结合加权整体最小二乘迭代算法,导出基于EIV模型的稳健整体最小二乘迭代解法（RTLS）。线性拟合实验表明,文中方法能对粗差进行定位,且估计量受粗差影响较小,具有稳健性。     

附加系统参数的半参数回归模型研究与比较

引入半参数的思想对附加系统参数的混合模型进行新解,推导出了模型正则化矩阵时参数平差的计算方法,求出了参数、非参数的估计量,模型的精度评定公式;通过模拟算例证明了半参数估计法的有效性;并对附加系统参数的半参数模型做了进一步的扩展。     

基于模糊隶属函数的参数稳健估计

参数估计过程经常遇到2个主要问题:一个是最小二乘与稳健估计不能兼顾最优无偏性和稳健性;另一个是非线性模型参数估计进行线性近似处理中带来的模型误差导致对粗差的错误鉴别和定位。针对以上2个问题,提出了基于模糊隶属函数的稳健估计方法。该方法通过隶属度加权来削弱个别粗差污染数据对参数估计结果的影响,从而达到提高参数估计稳健性的目的。分别用线性回归模型和非线性回归模型对该算法进行了验证,结果表明,该算法对粗差具有较好的抵抗能力,能够对参数进行稳健估计。     

利用半参数模型精化二次曲面GPS高程异常拟合模型

针对利用多项式建立的GPS高程拟合模型不能很好地拟合高程异常变化趋势面的问题,提出了在常规最小二乘多项式模型的基础上,引入一个非参数模型补偿项,并参考重力测量中最小二乘配置模型方法,建立高程异常趋势面的半参数拟合模型。以小区域GPS采集数据为例,并分别运用两种模型进行拟合与推估,结果表明,基于半参数模型的高程异常拟合与推估效果更好。     

补偿最小二乘估计在重力测量中的应用

在测量数据处理中,系统误差总是作为有害成分设法予以消除或补偿,但随着测绘科技的进一步发展,也有一些研究者将系统误差或非参数信号看作非随机变量,利用补偿最小二乘等方法,提取系统误差,从而对它有更多地了解,以满足高精度测量的需要。而本文在系统误差为随机变量的情况下,利用补偿最小二乘法研究半参数模型。得到了参数及非参数的估计;接着,讨论了估计量的若干统计特性;最后,用补偿最小二乘法研究重力测量中的重力异常问题,得到了重力异常的估计值,相同于用最小二乘配置法所得的结果,从而说明本文方法的有效性。     

Generalized penalized least squares and its statistical characteristics

IntroductionThe semiparametric models is composed of lin-ear parametric model and nonparameter (or non-parametric signal) ,so the model does not haveonly one solution on the least squares conditionVTPV=min,the normal equations is singular[1].In order to g…     

Generalized penalized least squares and its statistical characteristics

The solution properties of semiparametric model are analyzed, especially that penalized least squares for semiparametric model will be invalid when the matrixBTPB is ill-posed or singular. According to the principle of ridge estimate for linear parametric model, generalized penalized least squares for semiparametric model are put forward, and some formulae and statistical properties of estimates are derived. Finally according to simulation examples some helpful conclusions are drawn.     

抗差卡尔曼滤波及其在动态水准网平差中的应用

介绍了标准卡尔曼滤波方程,总结了稳健M估计的基本方法,并根据等价权原理导出卡尔曼滤波的抗差估计方程,方程的形式与卡尔曼滤波方程相似,给出了卡尔曼滤波稳健估计的计算步骤.最后,以动态水准监测为例进行了模拟计算,证明了该方法的有效性.     

半参数估计的自然样条函数法

用补偿最小二乘原理，得到了参数和非参数分量的惟一解，并通过模拟计算，对半参数回归模型和参数模型的计算结果进行了比较。结果表明，半参数回归方法能较好地将观测值中具有连续光滑特性的系统误差分离出来。     

半参数模型及其在形变分析中的应用

半参数回归模型L=Bx+s+ε是线性模型与非参数回归模型的混合体。本文采用自然样条逼近方法,探讨了自然样条半参数回归分析方法,同时将此方法运用到形变分析与预报数据处理中,结果表明是一种有效的方法。半参数回归效果要优于参数回归,多项式参数回归的残差平方和远大于参数回归。