共查询到19条相似文献，搜索用时 140 毫秒
1.
介绍了基于贝叶斯理论的线性-非线性模型的反演方法(F-J方法),在理论上可以求出模型参数的概率分布,可以通过马尔可夫链蒙特卡洛(Markov chain Monte Carlo, MCMC)采样估计参数值及其精度。为了评估F-J方法反演效果,给出了线性-非线性模型的最小二乘方法以及假设检验步骤。针对MCMC采样算法中参数的随机游走步长会影响最佳采样数量的问题,对采样算法作了改进,模拟数据算例表明,改进的采样算法基本消除了部分参数游走步长选取不合适对确定采样次数的影响,解决了随机游走采样难以确定最佳采样点数量的问题。 相似文献
2.
本文将文献[1]定义的固有非线性性和参数效应非线性性应用到GPS双差载波非线性模型中,并根据这两个指标判断当流动站采用不同精度的初值时,平差模型应该选择非线性模型还是线性模型.通过比较不同精度的初始值的定位精度得到:GPS双差载波非线性模型的非线性强度较弱;即使采用单历元单点定位的结果作为初始值,GPS双差载波相位定位模型也能按照近似线性化的方法求解;而当采用地心坐标作为初始值时,求解流动站的坐标必须按照非线性最小二乘的理论计算,这时利用高斯-牛顿法迭代几次就能收敛. 相似文献
3.
针对测绘领域中函数模型为非线性函数的线性组合的特殊结构,本文提出了基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法。该方法首先利用变量投影算法消除可分离非线性模型中的线性参数,将包含两类参数的原非线性优化问题转化为仅含有非线性参数的最小二乘问题。然后,基于Moore-Penrose广义逆矩阵的微分和立体矩阵理论计算最小二乘目标函数的一阶导数,进而采用非线性优化的LM方法求解非线性参数的最优估值。最后,根据最小二乘方法求解线性参数的最优估值。通过指数函数模型拟合和机载LiDAR全波形参数求解试验与传统参数不分离优化方法进行对比,结果表明,基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法对待求参数初值依赖性低,同时避免了迭代过程中线性参数导致的病态问题,算法稳定性好,为测绘领域中可分离非线性最小二乘问题的解算提供了一种思路,也拓展了可分离非线性最小二乘方法的应用。 相似文献
4.
线性最小二乘估计在对非线性函数进行线性近似的过程中会产生模型误差,而一些非线性参数估计方法可能因为函数复杂而难以求导,法方程系数矩阵秩亏或呈病态矩阵时难以求解,非线性迭代解法有时对初始值的选择存在依赖性,不恰当的初始值会导致迭代无法收敛。针对这些问题,引入了模拟退火算法,介绍了该算法的基本原理、计算步骤和收敛性,并以3个控制网平差应用为例,说明该算法具有无需求导求逆,简洁实用,易于编程等优势,并能实现全局优化,获得高精度的平差结果。 相似文献
5.
6.
“数字化科学工程”构建中的广义非线性数据处理的一种新算法 总被引：6，自引：3，他引：3
在当今各国正大力倡导的“数字国家”、“数字城市”、“数字矿山”等科学工程构建中的数据处理是基础和核心 ,其数据又具有多源、多维、多类型、多时态、多精度并具有非线性特征等特点 ,其数据处理的参数估计模型大都是复杂的非线性函数模型 ,模型中的参数有非随机参数 ,也有随机参数 ,这些系广义非线性数据处理 ,应采用广义非线性动态最小二乘数据处理的理论、方法来完成。本文提出了一种新的解算模型和解算方法 ,将问题分离 ,转换成单变量的一般非线性最小二乘问题求解。先按非线性拟合模型线性逼近法求得靠近真值的最优初值 ,再按非线性最小二乘解算方法求解参数估值。本方法使原来的高维方程得以简化 ,还不用计算二阶导数 ,大大简化了计算难度 ,并大大减少了迭代次数和计算工作量。 相似文献
7.
8.
9.
10.
GPS非线性数据处理的同伦最小二乘模型 总被引：4，自引：1，他引：4
基于非线性同伦思想 ,提出了非线性最小二乘同伦方法 ,并推导出相应的GPS同伦非线性模型和算法。算例表明 ,对于精度较差的初始值 ,采用同伦非线性GPS伪距定位模型较线性最小二乘求解精度要好。 相似文献
11.
随着空间大地测量观测精度的提高,大地测量反演模型也更加精确细化,对反演算法也提出了更高的要求。针对球体分层位错模型断层参数反演问题,从反演参数的敏感性与相关性两个方面入手,分析了遗传算法在反演中的缺陷,提出了迭代最小二乘算法与遗传算法相结合的组合算法,利用模拟数据反演验证了算法的有效性。在遗传算法的断层参数反演中,断层的深度和滑距往往难以得到良好的结果,主要原因首先是上深度与下深度之间以及深度与滑距之间具有很强的相关性,其次是深度和滑距的敏感性相对来说也比较低。组合算法在各种倾角的断层上都取得了理想的反演结果,具有实用性。 相似文献
12.
针对地壳应变参数反演模型中系数矩阵含随机和非随机元素及观测数据存在相关性等情况,以部分变量误差（partial-errors-in-variables,PEIV）模型为基础,采用了地壳应变参数反演的加权总体最小二乘算法,该算法不受系数矩阵和权矩阵结构的限制,能够快速、有效解决系数矩阵含有随机误差的模型问题。结合推导得到的最小二乘改正项公式,对地壳反演模型中坐标点误差对反演参数求解的影响进行了分析。通过对模拟数据和川滇地区的实际数据进行处理,得出系数矩阵误差对地壳应变参数反演的影响主要受GPS站点坐标值量级以及应变参数量级的牵制。 相似文献
13.
在大地测量联合反演中,方差分量估计法用于确定相对权比时并没有考虑大地测量反演的病态性,利用正则化解代替最小二乘解会引入偏差,会造成方差分量估计不准确问题。针对此提出采用偏差改正方差分量估计方法,以消除正则化解引入偏差的影响,并基于残差的偏差改正方差分量估计与方差分量估计法进行模拟实验。结果表明,进行偏差改正后的方差分量估计法能够较好地反演出滑动分布情况,所提方法针对参数进行偏差改正的方差分量估计考虑了迭代初值引入的偏差,理论更为严密。并将所提方法用于Visso地震和Norcia地震反演中,验证了该方法的可靠性、合理性。 相似文献
14.
同震滑动分布参数与地表形变间的线性关系依赖于格林函数矩阵的构造,格林函数矩阵元素与破裂面位置、几何参数、破裂方式及位错模型假设等因素有关。本文尝试考虑格林函数矩阵元素的误差来补偿上述原因在一定程度上对反演参数的影响,采用同时顾及系数矩阵(格林函数矩阵)和观测向量两者误差的总体最小二乘方法反演同震滑动分布。首先确定了系数矩阵元素和观测向量的协因数矩阵,考虑到格林函数矩阵的病态性(秩亏),借助拉普拉斯二阶平滑得到正则化矩阵,采用总体最小二乘正则化法反演同震滑动分布。并对2009年意大利中部拉奎拉(L’Aquila)Mw6.3级地震实例进行同震滑动分布反演研究。结果表明,拉奎拉地震的走向为144.37°,倾角为59.06°,滑动分布的最大滑动量为0.95m,平均滑动角为-96.4°,主要滑动深度为4~15km的范围,地震矩为3.63×10~(18)N·m,对应的矩震级为Mw6.34。总体最小二乘与最小二乘法的滑动分布解存在一定差别,但差别的量级在10-4以内。 相似文献
15.
建筑场景三维重建中影像方位元素的获取方法 总被引：15，自引：3，他引：15
基于影像的三维重建需要确定影像的内、外方位元素，影像中的灭点为其提供了重要的线索，但灭点位置的不确定性，影响了方位元素计算的结果。通过分析灭点几何，建立了影像直线段与方位元素的直接联系，根据最小二乘平差的有关理论，给出了迭代计算影像的内、外方位元素的方法，并在三维重建的实践中进行了验证。 相似文献
16.
针对经典的PolInSAR森林高度三阶段几何反演算法在单基线条件容易受到地体幅度比假设以及地形坡度影响的问题,从测量平差角度提出了基于S-RVoG模型的PolInSAR非线性复数最小二乘森林高度反演算法。该算法不再需要假设某一个极化通道地体幅度比为零,且采用考虑地形坡度影响的S-RVoG模型作为平差模型。为了验证算法,本文采用欧空局BioSAR2008项目提供的3景P波段极化干涉SAR数据进行两组单基线森林高度反演试验。结果表明,在单基线条件下,基于RVoG模型的非线性复数最小二乘算法反演结果优于三阶段几何反演算法,而基于S-RVoG模型的非线性复数最小二乘算法进一步提高反演精度,对于坡度较大区域（坡度>10°）,精度平均提高了18.48%。 相似文献
17.
回顾了GPS观测技术在区域地壳形变监测应用中的相关理论和方法,探讨了其发展趋势,重点介绍了块体负位错运动模型及其反演和地表位移场拟合推估及应变分析方法,展望了时空分析方法在地壳形变信息提取中的应用前景。 相似文献
18.
大地测量反演线弹性构造应力场 总被引：6，自引：2，他引：6
本文基于地表大地测量位移观测值，提出用大地测量监测资料反演线弹性构造应力场方法。讨论了大地测量监测点分布式、观测随机误差以及岩体介质参数对边界力系数反演值的影响，为实际应用大地测量资料反演线弹性构造应力场提供了参考依据。 相似文献
19.
Weighted total least squares: necessary and sufficient conditions, fixed and random parameters 总被引：6，自引：1，他引：5
Xing Fang 《Journal of Geodesy》2013,87(8):733-749
A standard errors-in-variables (EIV) model refers to a Gauss–Markov model with an uncertain model matrix from a geodetic perspective. Least squares within the EIV model is usually called the total least squares (TLS) technique because of its symmetrical adjustment. However, the solutions and computational advantages of the weighted TLS problem with a general weight matrix (WTLS) are mostly unknown. In this study, the WTLS problem was solved using three different approaches: iterative methods based on the normal equation, the iteratively linearized Gauss–Helmert model with algebraic Jacobian matrices, and numerical analysis. Furthermore, sufficient conditions for WTLS optimization were investigated systematically as proposed solutions yield only necessary conditions for optimality. A WTLS solution was considered to treat random parameters within the EIV model. Last, applications to test these novel algorithms are presented. 相似文献