稳健加权总体最小二乘的点云数据平面拟合

针对观测向量和系数矩阵均含有误差以及点云数据存在异常点的问题,该文提出一种稳健加权总体最小二乘法。该方法在加权总体最小二乘的基础上,通过设置一定的准则,剔除点云数据中存在的异常点,以获取更为精确的平面拟合参数解。仿真模拟算例和实际点云数据实验结果表明,该方法与传统的方法相比,能够消除异常点带来的影响,获得更精确的参数解,平面拟合精度更高。     

多元总体最小二乘问题的牛顿解法

为提高多元总体最小二乘问题参数估值的解算效率,推导了基于牛顿法的多元加权总体最小二乘算法;分析比较了基于牛顿法的多元加权总体最小二乘解和基于拉格朗日乘数法多元加权总体最小二乘解之间的关系,根据协因数传播律给出了多元总体最小二乘平差的16种协因数阵的近似计算公式。新算法能够解决观测矩阵和系数矩阵元素具有相关性的问题,并且可以把观测矩阵和系数矩阵的随机元素和常数元素纳入到一个协因数阵中进行处理。算例结果表明,本文提出的多元总体最小二乘问题的牛顿解法可行且收敛速度更快。     

协方差阵非负约束的赫尔默特方差分量估计

在多源数据联合反演同震滑动分布过程中,各类观测数据之间相对权比的确定是当今大地测量与地球物理联合反演领域的研究热点和难点。近年来,赫尔默特方差分量估计法因其可以同时估计虚拟观测数据及实际观测数据之间的比例因子的优势,在联合反演滑动分布领域中得到了广泛应用。然而,利用HVCE法确定多源数据联合反演相对权比过程中易出现负方差现象。针对以上问题,本文提出在HVCE法确定联合反演相对权比过程中添加线性不等式约束,利用带有线性不等式约束的平差模型进行求解（LC-HVCE）,解决计算过程中出现负方差问题。为了验证LC-HVCE法的有效性,开展模拟地震试验,结果表明LC-HVCE法可以有效地解决HVCE法在确定联合反演相对权比过程中存在的不足,保证了同震滑动分布反演精度。蒙特卡洛模拟试验及拉奎拉实际地震反演结果进一步表明了LC-HVCE法在确定正则化参数与相对权比过程中较HVCE法的适用性与稳定性。     

贝叶斯框架下利用GPS数据反演震源参数的一种改进MCMC算法

随着机器软硬件设施的飞速发展,贝叶斯算法在各个领域得到了广泛应用.在贝叶斯的框架下,以采样方式的MCMC方法去求解震源参数问题时,马尔科夫链的收敛对于得到合理正确的震源参数至关重要.基于此,本文在已有研究的基础上,改进了 MCMC方法的随机步长生成方式,使其随机步长整体符合正态分布;并考虑到初值对马尔科夫链的收敛至关重要,提出以非线性启发式搜索算法结合贝叶斯框架下的MCMC算法共同反演地震震源参数.论文以MPSO算法提供初值,以一组随机生成的值作为对照,针对美浓地震,以GPS位移数据验证了改进MCMC算法在收敛速度上优于原始算法,置信区间更为合理;同时验证了以MPSO为贝叶斯算法提供初值的情况下,不仅克服了启发式搜索算法的不稳定性,且改进算法收敛速度更快.为了验证改进算法能大大缩减采样所需要的次数,拓展本文改进算法在不同类型地震中的应用,本文将改进算法以10万次采样反演了博德鲁姆-科斯Mw6.6倾滑型地震震源参数.反演结果支持博德鲁姆-科斯地震断层为北向倾斜断层,形变场拟合东西方向(EW)均方根误差为1.43 mm,南北方向(SN)均方根误差为3.23 mm,垂直方向均方根误差为9.69 mm,优于大部分同类型已有文献.     

EIGEN-GRACE02S重力场模型在地壳构造探测中的应用研究

分析了布格重力异常在地壳构造探测中的重要作用,以及目前地质和物探中常用的地面重力测量计算得到的布格重力异常的缺点,提出利用纯重力卫星数据计算得到的SST (satellite-to-satellite tracking)地球重力场模型来研究地质构造和资源探测,以重力场模型EIGEN-GRACE02S为例,分析了其优点和应用的可行性.针对原有"卫星重力异常"概念的缺陷,提出了"真卫星重力异常"和"假卫星重力异常的概念".     

大地测量反演中的量子退火法初探

本文第一次将量子退火法引入到大地测量反演中,介绍了基本原理,给出了算法流程图,并通过与蒙特卡罗法、模拟退火法的算例比较,表明其收敛速度快等优点,显示了在实际大地测量非线性反演中的应用潜力。     

非线性函数协方差传播的Stein Monte Carlo方法

基于泰勒级数展开的近似函数法在求解非线性函数的中误差时需要进行复杂的导数计算,已有的Monte Carlo法虽然可以避免导数运算,但在模拟次数的选择上不具有客观性,且无法直接控制模拟结果。因此,将Stein两阶段法融入非线性函数的协方差传播理论中,并与Monte Carlo方法结合,设计了一套非线性函数协方差传播的Stein Monte Carlo算法流程。将该方法用于二维多项式函数和GNSS基线向量的协方差传播计算中,实验结果验证了其有效性,为非线性模型协方差传播的计算提供了一种新思路。     

大地测量联合反演理论和方法研究进展

针对地震震源参数反演优化问题,提出了一种改进的灰狼优化(grey wolf optimizer, GWO)算法来反演震源参数。首先,采用基于余弦规律的非线性递减收敛因子策略的加权距离GWO( weighted distance GWO, wdGWO)算法来代替原来的线性递减算法。随后,配置了改进wdGWO算法和单纯形算法的组合方法,引入后者算法是为了稳定前者算法的性能。因此,组合算法(简称GWOS)在收敛性和稳定性方面都具有良好的优势。最后,通过实验测试来评估基本的wdGWO算法、遗传算法（genetic algorithm,GA）和GWOS的性能。仿真实验结果表明,GWOS对震源参数的估计优于wdGWO算法,具有良好的稳定性和准确性;GWOS既可以达到GA的反演精度,又表现出了更好的参数稳定性。将该算法应用于2014年纳帕地震和2017年博德鲁姆-科斯地震,不同类型地震的反演结果表明GWOS具有良好的实用性和可靠性。

     

加权总体最小二乘法在点云数据平面拟合中的应用

研讨一种加权总体最小二乘法,它是在Malengo A文献的基础上推导的基于拟牛顿法的加权总体最小二乘算法,能够处理误差变量模型中的各种不同的情况。本文将该算法应用于点云数据平面拟合模型的求解,通过比较加权总体最小二乘法与最小二乘法、总体最小二乘迭代解法的结果来验证该种算法的有效性。     

乘性误差模型参数估计及精度评定的Sterling插值方法

乘性误差模型加权最小二乘参数估值是观测值的非线性函数,观测值的权是加权最小二乘参数估值的非线性函数。已有的乘性误差模型参数估计方法理论上可以达到二阶无偏,但精度评定方法只能达到一阶精度,并且参数估计逐步的迭代过程使得参数及改正数的每一步估值都具有随机性,使得最终的参数估值与观测值为复杂的非线性关系。考虑到非线性迭代过程对加权最小二乘参数带来的影响,使用一种无需求导的Sterling插值方法求解参数估值的均值和标准差。模拟实验表明,当模型非线性较高时,考虑每次迭代的随机性对参数估值的影响可以得到更接近真值的参数估值,并且所提方法的精度评定可以达到二阶精度,验证了Sterling插值方法用于乘性误差模型参数估计及其精度评定的适用性和有效性。