皮尔逊III型分布参数估计

现行各种皮尔逊III型（P－III型）分布参数估计方法照例过甚,出乎容许范围。对此一向沿用数理统计方法，通过相对有效性进行检验，而不联系于水文问题的安全因数。这就有可能产生过分偏低的危险设计特征估值，难免导致工程失事。以往采取提高设计频率标准的补救办法，从而不得不外延频率曲线过远，并造成更不可靠的结果。对这样的矛盾，唯有通过研制充分精确的分布参数估计方法，才可以有效地加以解决。     

基于城、市视角的城市化水平与经济增长关系

基于城、市的视角,揭示2005~2014年中国285个地级市城市化水平及类型的时空演化规律,并基于非参数估计方法探究不同城市化类型与经济增长的函数关系。研究发现：① 中国城化水平空间分布呈离散状态,市化水平空间分布呈“核心-外围”结构。② 中国大多数城市属于同步发展型,该类型城市较非同步型城市更稳定。③ 不同城市化类型与经济增长的函数关系也不相同,因此应有针对性地采取差异化政策。     

基于Partial-EIV模型的TLS姿态估计方法

推导了基于乘性姿态角误差的观测方程,顾及其系数矩阵也含有误差的特点提出一种利用整体最小二乘原理估计姿态参数的新思路。该问题的系数矩阵中同时存在随机元素和固定元素且存在结构性特征,故引入Partial-EIV模型,设计了一种符合其系数矩阵结构特点的新模型。最后通过两组仿真实验将其与已有姿态估计方法进行对比,得出结论:基于Partial-EIV模型的整体最小二乘解法解算精度高于常规最小二乘法;其解算效果与基于乘性姿态角误差的最小二乘法基本一致。表明本文提出的方法正确有效。     

基于随机介质模型的统计分析在深反射地震中的应用

深反射地震勘探是揭示地球深部构造的一种地球物理探测方法.由于不同于沉积地层的反射特征,深反射地震资料的解释需要不同于浅层水平层状介质的解释方法.基于随机介质模型的统计分析为深反射地震解释提供了新的途径.本文首先介绍了地球深部结构中非均质性的统计特性研究成果,阐述了随机介质模型的基本概念及二维随机介质的建立方法,讨论了随机介质模型参数的含义.通过正演模拟的方法分析了随机介质的地震响应特点,对比实际深反射地震资料可对地壳中反射透明区、上下地壳界面、莫霍面反射以及非均质入侵体的地震响应提出合理解释.然后总结了从反射地震数据估算随机介质参数的方法及存在的问题,结合实例论述了随机介质参数分析在深反射地震解释中的作用.最后探讨了该方法的优缺点及应用前景.     

Cauchy prior distribution-based AVO elastic parameter estimation via weakly nonlinear waveform inversion

Cauchy priori distribution-based Bayesian AVO reflectivity inversion may lead to sparse estimates that are sensitive to large reflectivities. For the inversion, the computation of the covariance matrix and regularized terms requires prior estimation of model parameters, which makes the iterative inversion weakly nonlinear. At the same time, the relations among the model parameters are assumed linear. Furthermore, the reflectivities, the results of the inversion, or the elastic parameters with cumulative error recovered by integrating reflectivities are not well suited for detecting hydrocarbons and fuids. In contrast, in Bayesian linear AVO inversion, the elastic parameters can be directly extracted from prestack seismic data without linear assumptions for the model parameters. Considering the advantages of the abovementioned methods, the Bayesian AVO reflectivity inversion process is modified and Cauchy distribution is explored as a prior probability distribution and the time-variant covariance is also considered. Finally, we propose a new method for the weakly nonlinear AVO waveform inversion. Furthermore, the linear assumptions are abandoned and elastic parameters, such as P-wave velocity, S-wave velocity, and density, can be directly recovered from seismic data especially for interfaces with large reflectivities. Numerical analysis demonstrates that all the elastic parameters can be estimated from prestack seismic data even when the signal-to-noise ratio of the seismic data is low.     

pGM(1,1)预测模型及其参数估计

从分析GM(1，1)预测模型的背景值取值不足入手，根据误差处理理论，对GM(1，1)预测模型进行扩展，提出一种基于比例因子来确定背景值的pGM(1，1)预测模型。同时，讨论该模型参数的最佳估计方法。最后对实例进行分析和比较。     

强降水的GP分布拟合

根据极值理论中处于重要地位的GP分布模型，讨论了模型中的形状参数、位置参数及尺度参数的算法，并将其用于拟合呈偏斜状态的月和日降水量资料中强降水部分，得到强降水发生的直观年数。     

辅助模型辨识方法(5):最小二乘辨识

借助于辅助模型辨识思想,针对白噪声干扰的输入非线性有限脉冲响应系统,研究了辅助模型最小二乘辨识方法、辅助模型多新息最小二乘辨识方法、变递推间隔辅助模型最小二乘辨识方法、变递推间隔辅助模型多新息最小二乘辨识方法、等递推间隔辅助模型多新息最小二乘辨识方法,以及有限数据窗最小二乘辨识方法,包括引入加权因子（加权矩阵）、遗忘因子得到的一些相应辨识方法.     

输出误差系统的多新息辨识方法

研究了输出误差(OE)系统和输出误差自回归滑动平均(OEARMA)系统(即Box-Jenkins系统)的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息最小二乘算法,输出误差系统的修正辅助模型随机梯度算法、遗忘因子辅助模型随机梯度算法、变递推间隔辅助模型随机梯度算法、变递推间隔辅助模型多新息随机梯度算法、变递推间隔辅助模型递推最小二乘算法等,以及输出误差自回归(OEAR)系统的基于滤波的辅助模型多新息广义随机梯度算法和基于滤波的辅助模型多新息广义最小二乘算法.