抗差估计在变形监测数据处理中的应用

对抗差估计及其迭代初值进行了研究分析,并且针对不同估计方法所得到的迭代初值,利用Matlab对其进行模拟数据实验,对其"抗差性"进行比较,结合模拟结果选取"抗差性"较好的迭代初值进行下一步的抗差估计。最后利用某变形监测数据,同时采用最小二乘法和抗差估计两种方法进行比较,验证了抗差估计对粗差的"抗干扰性"。     

一种简化的Helmert方差分量估计算法

Ｈｅｌｍｅｒｔ方法是通过求出两类观测值的单位方差,来修正其先验权,用迭代法最终求得正确的权。本文提出,如果已知两类观测值的单位方差之比,即可定出正确的权,从而使计算简单化。     

三类降水云雨滴谱分布模式

利用沈阳１９９４年７～８月雨滴谱观测资料,进行积雨云、层状云和积层混合云Ｍ－Ｐ分布和Γ分布拟合分析,讨论了两种分布适用范围,给出了分布参数随雨强变化关系。     

1960—2009年广西霾日时空变化特征

利用1960—2009年广西80个地面观测站资料,运用EOF、线性倾向估计等统计方法,分析了近50年广西霾日数的时空变化特征。结果表明:近50年广西霾日数总体呈上升趋势,与该地区人类活动和经济发展引起的污染排放增长密切相关;空间分布呈现出主要城市及其周边地区霾日多,边远地区及沿海地区霾日少的特点;广西霾天气主要发生在秋、冬季,以轻微霾 (能见度为5~10 km) 为主,且霾天气发生时的相对湿度8成以上介于70%~90%;除了空气污染之外,近50年风速呈下降趋势可能也导致更多的霾天气。     

部分变量误差模型的整体抗差最小二乘估计

部分变量误差模型(partial EIV model)的加权整体最小二乘(weighted total least-squares,WTLS)估计不具备抵御粗差的能力。鉴于粗差可能同时出现在观测值和系数矩阵中,本文在提出部分变量误差模型WTLS估计的两步迭代解法的基础上,运用抗差M估计的等价权方法,发展了一种整体抗差最小二乘(TRLS)估计方法,并采用一致最大功效统计量确定降权因子。针对WTLS估计两步迭代解法的特点,设计了两个不同的降权方案:第1个方案是在估计系数矩阵元素时,不对观测值降权,仅对系数矩阵降权;第2个方案是在估计系数矩阵元素时,既对系数矩阵降权,同时也对观测值降权。通过对模拟2D仿射变换和线性拟合实例进行计算和分析,结果表明第1方案优于第2方案,并且优于基于残差和验后单位权方差的抗差估计和现有的变量误差模型抗差估计。     

定量测量降水量的回波结构自适应算法研究

为提高临近预报中对流性降水估测的准确性,分析了统计法估算降水的局限性。依据降水物理机制和降水回波结构,研究雷达反射率因子定量测量降水量(QPE-Qualitative Precipitation Estimate)的自适应算法,旨在减少由于雨滴谱变化导致的Z-I关系不稳定所引起的降水量测量误差。同时考虑组合反射率因子RC和垂直液态水含量VIL两个参量对降水的影响,建立适于城市区域的动态自适应的Z-I关系,改进对强降水严重低估的问题。     

一种两步抗差估计的设计及其解算

抗差估计的关键是选择适当的权函数和合理的调制因子,针对这两个重要问题,在研究当前调制因子取值方法的基础之上,提出了可动性调制因子这一新概念,并基于可动性调制因子、IGG方案权函数,设计了两步抗差估计。两步抗差估计解决了抗差估计中传统的调制因子、方差因子、初值三者取值时存在的一系列问题,尤其当三者取值不能协调配制时出现的秩亏问题,从而使抗差估计方法更具有实际意义和广泛意义。     

基于逆算子估计的AVO反演方法研究

传统反演算法以优化算法为主,而基于逆算子估计的AVO反演算法则利用了直接求逆的思路.算法的关键在于寻找存在逆函数的子域,进而可以在子域内直接求逆,这种解决反问题的思路不同于一般的优化类算法所采用的直接搜索解的方式,具有更高的效率.AVO反演利用了振幅随着偏移距的变化特征,反演的精度受到地震资料质量的影响,通过加入L1范数约束以及合理的初始模型有助于提高反演的稳定性以及准确度.模型测算和实际应用表明,基于逆算子估计的AVO反演方法具有较高的精确程度和可靠性.     

基于抗差估计的GPS／CoMPASS组合实时差分定位算法

在GPS／cOMPASS组合差分定位基础上,引入抗差估计方法,通过降权调整合有粗差观测值对定位的影响,利用路测试验,对比RTK的厘米级定位,结果表明：抗差GPS／COMPASS组合实时差分定位优于非抗差定位,平面精度在2．0m左右。     

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。