马斯京根法参数的一种数学估计方法

应用最小二乘原理进行了马斯京根法参数的最优估计。这种数学估计方法避免了常用的度错法的盲目性和不确定性,并具有确定模型参数快速、最优和唯一性等特点。在实际河道洪水演算中取得了较好的应用效果。     

输入非线性方程误差系统的多新息辨识方法

针对输入非线性方程误差系统,即输入非线性受控自回归系统,研究了基于过参数化模型的多新息辨识方法和基于过参数化模型的递阶多新息辨识方法;研究了基于关键项分离原理的多新息辨识方法;使用辨识模型分解技术,研究了基于关键项分离原理的两阶段多新息辨识方法和三阶段多新息辨识方法.这些方法可以推广到其他输入非线性方程误差系统、输入非线性输出误差类系统、输出非线性方程误差类系统、输出非线性输出类系统、反馈非线性系统等.同时,给出了几个典型辨识算法的计算量、计算步骤和流程图.     

多尺度遥感数据的非耕地系数变化特征分析

本文从非耕地系数的计算公式和遥感数据对地理要素的综合着手,研究在多尺度下非耕地系数的变化特征.研究结果表明:大尺度数据下的非耕地系数比中、小尺度数据下的要大;建立了TM和中巴数据尺度下的非耕地系数之间的数学模型,该模型使得非耕地系数在此两种尺度数据下可以相互转换.通过模型检验,线性模型符合精度要求.     

基于Hough变换的航空影像建筑物半自动提取

针对Hough变换不能检测直线段的缺点,提出了一种改进的Hough变换用于影像中矩形建筑物的半自动提取。同传统Hough变换相比,改进的Hough变换充分利用了Hough变换的参数空间数据,将Hough变换的“投票”过程和直线段的检测过程融为一体,获得直线段的端点坐标。根据直线段的端点坐标消除虚假直线段的过连接,并根据直线段的角度、距离条件合并直线段。最后通过直线段上的若干点利用最小二乘法拟合出一条最佳直线,通过计算最佳直线的交点确定建筑物的角点坐标,完成影像中建筑物的半自动提取。实验结果表明:用改进的Hough变换算法提取出的航空影像中建筑物边缘结果是正确的,定位精度较高。     

以三维坐标转换为例解算稳健总体最小二乘方法

稳健最小二乘方法能够有效解决平差计算中观测值存在粗差的情况,因此广泛应用于各种实际问题中。在最小二乘方法中,系数矩阵被认为是不含有误差的。然而在实际情况中,系数矩阵中的变量往往也包含观测值,因此不可避免地会被误差污染。为同时考虑系数矩阵和观测向量中的误差,同时对粗差进行探测和定位,本文提出基于选权迭代的稳健总体最小二乘方法,并以三维相似坐标变换为例展示解算过程。通过模拟计算,证明了采用本文提出的稳健总体最小二乘方法,能够较好地达到粗差探测和定位的目的,获得稳健的参数解。     

基于RWTLS的Allan方差算法简化

Allan方差是现在应用最广泛的随机误差辨识方法之一。大量的试验表明Allan方差可有效地分离出导航过程中的多项随机误差,但是Allan方差也有自身的局限性。针对Allan方差在处理大数据量时计算效率低下、辨识度受粗差的影响较大的问题,本文提出了简化Allan方差算法的方案。首先,在确保Allan方差计算准确的前提下,以提高Allan方差计算效率为目的,对Allan方差算法进行简化;然后,利用抗差加权整体最小二乘（RWTLS）模型的迭代算法对简化后的Allan方差辨识结果进行抗差拟合处理;最后,以光纤式惯性测量单元（IMU）为分析对象,设计试验方案对简化后的Allan方差进行验证。     

利用整体最小二乘法建立线性回归模型

对于在实际应用中的直线回归问题,存在着因自变量和因变量选取不同拟合结果存在差异的情况,文中采用了一种线性拟合参数估计的新方法,即整体最小二乘法。文章在描述普通最小二乘和整体最小二乘原理的基础上,并对比其异同,并采用奇异值分解的方法来求解整体最小二乘问题。算例结果表明,采用整体最小二乘方法估计线性回归参数的精度明显高于常规最小二乘法,是一种值得借鉴的算法。     

基于PRESS准则选取预报因子的逐步算法

本文提出了基于预测平方和(PRESS)准则选取预报因子的逐步算法.通过实例计算表明,这种算法不仅具有向前算法和向后算法的快速特点,而且同时具有相应的功能,因而它能更有效地寻找最优解,使算法更为完善,更具有普遍性和实用意义.     

岩土工程勘察中土体取样合理子样数的探讨

合理子样数应随土的性质、指标特征、土样质量和工程要求而异。本文在分析了沿海平原各主要土层的物理力学性质指标变异性的基础上 ,运用概率统计方法 ,针对不同土层不同的物理力学性质指标提出了岩土工程勘察合理子样数确定原则。     

Canonical correspondence analysis and related multivariate methods in aquatic ecology

Canonical correspondence analysis (CCA) is a multivariate method to elucidate the relationships between biological assemblages of species and their environment. The method is designed to extract synthetic environmental gradients from ecological data-sets. The gradients are the basis for succinctly describing and visualizing the differential habitat preferences (niches) of taxavia an ordination diagram. Linear multivariate methods for relating two set of variables, such as two-block Partial Least Squares (PLS2), canonical correlation analysis and redundancy analysis, are less suited for this purpose because habitat preferences are often unimodal functions of habitat variables. After pointing out the key assumptions underlying CCA, the paper focuses on the interpretation of CCA ordination diagrams. Subsequently, some advanced uses, such as ranking environmental variables in importance and the statistical testing of effects are illustrated on a typical macroinvertebrate data-set. The paper closes with comparisons with correspondence analysis, discriminant analysis, PLS2 and co-inertia analysis. In an appendix a new method, named CCA-PLS, is proposed that combines the strong features of CCA and PLS2.