共查询到19条相似文献，搜索用时 93 毫秒
1.
最小二乘估计和部分变量误差模型的总体最小二乘估计不具备抵御粗差的能力。鉴于粗差可能同时出现在灰色白化微分方程的观测值和系数矩阵中，本文提出基于IGGⅢ抗差方案的部分变量总体最小二乘稳健估计。结合仿真数据和高铁路基观测数据，系统地比较稳健最小二乘、部分变量总体最小二乘、本文算法参数估计结果和算法稳定性。结果表明，本文算法预测精度高，可以应用到高铁路基沉降预测中。 相似文献
2.
传统抗差估计中的选权迭代法无法探测到模型的系统误差，而基于补偿最小二乘原理的半参数模型可以较好地分离出系统误差。通过建立选权迭代法的半参数回归模型，利用时间序列法、L曲线法分别确定模型中的正则化矩阵及平滑因子，并利用选权迭代法重新定权，同时降低了观测粗差和系统误差对参数估值的影响。通过仿真算例，并以重庆奉节县大坪滑坡实测数据为例，验证了选权迭代法的半参数回归方法应用到三峡库区滑坡预测的有效性和优越性。 相似文献
3.
针对抗差估计方法初值与临界值选取不当的问题,提出一种以L1-范估计的平差值作为初值、以改进的丹麦法权函数作为第一步抗差阶段权函数的双步M估计,该方法既具有较强的抗差性,又具有最小二乘的最优性。试验表明,该方法估计结果与无粗差时的LS估计结果基本一致,抗差效果明显优于传统抗差估计方法与其他两步抗差估计。 相似文献
4.
彭军还 《大地测量与地球动力学》2000,20(3):33-38
将小误差和粗差看成同一正态分布时 ,最小二乘估计不抗差 ,而其和极大似然估计是抗差的 ,其统计性质受尺度因子 (方差因子 ) k影响。k =1 .41 6时 ,有最小最大偏差 ,即最强的抗差能力 ,效率为 83.85 ;k=2 .73时 ,其最大偏差不超过无粗差时 (以 2倍中误差为阈值 )最小二乘估计的最大偏差 ,具有很好的抗差性 ,效率为 97.91 ,是最合适的取值 ;k =∞时 ,与最小二乘估计等价 相似文献
5.
对于总体最小二乘而言,经常需要处理不同精度或者不同类型的观测数据,根据先验方差来定权往往不准确,同时观测数据中可能含有粗差。针对这两个问题,提出稳健总体最小二乘Helmert方差分量估计,将稳健估计和Helmert方差分量估计同时应用于总体最小二乘中。最后通过两个实验的计算结果表明,该方法是可行的、有效的。 相似文献
6.
联合一次范数最小和选权迭代法进行抗差估计。使用一次范数进行粗差定位,在确定粗差位置后,对相应的观测值进行降权,以此作为选权迭代法的初始权进行迭代平差,解决初始权不合理导致选权迭代法失效的问题。最后以水准网数据验证了该联合法的正确性。 相似文献
7.
由于一个观测值的粗差将影响多个观测值的残差估值,对双因子抗差估计的迭代计算方法作如下改进：当最大标准化残差的检验结果为粗差或者明显是可疑粗差时,只对粗差观测值构建双因子等价权,其他观测值的权不变。除上述两种情况外,可同时对所有观测值构建双因子等价权进行抗差估计,并基于改进的双因子等价权构建方法简化计算步骤。利用GPS控制网的观测数据进行模拟计算分析表明,该改进算法在含有明显粗差时可提高参数估值的精度;在粗差不明显或个数较少时,可在保持参数估计精度的基础上提高计算效率。 相似文献
8.
针对EIV模型系数阵病态且系数阵和观测值精度不同的情形,基于拉格朗日乘数法导出病态加权总体最小二乘模型的正则化解法,并证明已有的等权病态总体最小二乘模型的正则化解法是其特例。在此基础上,进一步提出基于中位数法的病态加权总体最小二乘模型的正则化抗差解法,并用第一类Fredholm积分方程和病态测边网两个算例验证算法的有效性。结果表明,受系数阵病态性以及粗差的影响,最小二乘解和总体最小二乘解精度较差,严重偏离真值;正则化解法在顾及系数阵和观测值误差的同时可有效削弱模型的病态性,其精度较最小二乘解和总体最小二乘解有所提升;而正则化抗差解法在正则化解的基础上,利用等价权函数重构权阵,能有效抵御粗差的影响,其精度最高。 相似文献
9.
针对粗差对多源InSAR数据三维地表形变解算的影响,提出一种基于多视线向D-InSAR技术的三维地表形变抗差解算方法。该方法利用多视线向D-InSAR地表形变监测数据,在最小二乘原则的基础上实现InSAR三维地表形变解算,获取平差观测量的残差,建立最小二乘残差与观测量单位权方差的函数关系,并通过计算出的单位权方差对InSAR地表形变观测量进行定权;基于等价权原理,选用IGGⅢ权函数实现三维地表形变的抗差解算。最后,以2009年意大利拉奎拉地区地震为例,对该解算方法的可行性和精度进行验证。结果表明,该方法可以获取可靠的解算结果。 相似文献
10.
结合标准化方差,构造了基于Huber、IGG和IGGⅢ三种权函数的加权总体最小二乘抗差模型,并运用选权迭代法予以求解。GPS高程拟合数据处理实例表明,基于Huber、IGG和IGGⅢ三种权函数的稳健加权总体最小二乘抗差方法对误差和粗差具有较好的削弱和消除效果,其中基于IGGⅢ权函数的稳健加权总体最小二乘方法抗差效果最优。 相似文献
11.
In order to reach the designated final water level of 175 m, there were three impoundment stages in the Three Gorges Reservoir, with water levels of 135 m, 156 m and 175 m. Baishuihe landslide in the Reservoir was chosen to analyze its displacement characteristics and displacement variability at the different stages. Based on monitoring data, the landslide displacement was mainly influenced by rainfall and drawdown of the reservoir water level. However, the magnitude of the rise and drawdown of the water level after the reservoir water level reached 175 m did not accelerate landslide displacement. The prediction of landslide displacement for active landslides is very important for landslide risk management. The time series of cumulative displacement was divided into a trend term and a periodic term using the Hodrick-Prescott(HP) filter method. The polynomial model was used to predict the trend term. The extreme learning machine(ELM) and least squares support vector machine(LS-SVM) were chosen to predict theperiodic term. In the prediction model for the periodic term, input variables based on the effects of rainfall and reservoir water level in landslide displacement were selected using grey relational analysis. Based on the results, the prediction precision of ELM is better than that of LS-SVM for predicting landslide displacement. The method for predicting landslide displacement could be applied by relevant authorities in making landslide emergency plans in the future. 相似文献
12.
《山地科学学报》2021,(10)
An accurate landslide displacement prediction is an important part of landslide warning system. Aiming at the dynamic characteristics of landslide evolution and the shortcomings of traditional static prediction models, this paper proposes a dynamic prediction model of landslide displacement based on singular spectrum analysis(SSA) and stack long short-term memory(SLSTM) network. The SSA is used to decompose the landslide accumulated displacement time series data into trend term and periodic term displacement subsequences. A cubic polynomial function is used to predict the trend term displacement subsequence, and the SLSTM neural network is used to predict the periodic term displacement subsequence. At the same time, the Bayesian optimization algorithm is used to determine that the SLSTM network input sequence length is 12 and the number of hidden layer nodes is 18. The SLSTM network is updated by adding predicted values to the training set to achieve dynamic displacement prediction. Finally, the accumulated landslide displacement is obtained by superimposing the predicted value of each displacement subsequence. The proposed model was verified on the Xintan landslide in Hubei Province, China. The results show that when predicting the displacement of the periodic term, the SLSTM network has higher prediction accuracy than the support vector machine(SVM) and auto regressive integrated moving average(ARIMA). The mean relative error(MRE) is reduced by 4.099% and 3.548% respectively, while the root mean square error(RMSE) is reduced by 5.830 mm and 3.854 mm respectively. It is concluded that the SLSTM network model can better simulate the dynamic characteristics of landslides. 相似文献
13.
?????????????????????????????Sigmoidal??Sine??Hardlim??????????????????????????????????????????????????????б??????????????????????????????????????????????????????????????????????磬?????Sigmoidal???????????????????????? 相似文献
14.
This paper proposes a WD-GA-LSSVM model for predicting the displacement of a deepseated landslide triggered by seasonal rainfall,in which wavelet denoising(WD)is used in displacement time series of landslide to eliminate the GPS observation noise in the original data,and genetic algorithm(GA)is applied to obtain optimal parameters of least squares support vector machines(LSSVM)model.The model is first trained and then evaluated by using data from a gentle dipping(~2°-5°)landslide triggered by seasonal rainfall in the southwest of China.Performance comparisons of WD-GA-LSSVM model with Back Propagation Neural Network(BPNN)model and LSSVM are presented,individually.The results indicate that the adoption of WD-GA-LSSVM model significantly improves the robustness and accuracy of the displacement prediction and it provides a powerful technique for predicting the displacement of a rainfall-triggered landslide. 相似文献
15.
�����Ƚ����Ƶ�ֱ����С������Բ��� 总被引：3，自引：0，他引：3
?????????????????????????????????????????????????????????????????????????伸?β????????????????????????????????????????????????????????????????????????С????????????,??Matlab?????????????????????????????????????????????????????????????????????????????Ч???á??????? 相似文献
16.
介绍位移传感器数据远程传输方法,阐述位移传感器数据解码算法,并验证解码数据的准确性及可靠性。同时,将其应用于黑方台党川滑坡的变形监测,获得了滑坡监测点的实时形变信息,可为滑坡变形监测和预警提供技术支撑。 相似文献
17.
顾及降雨及库水位因素的滑坡时滞分析与预测——以三峡库区新铺滑坡为例 总被引：1，自引：0，他引：1
降雨及库水位涨落是引起库岸滑坡形变失稳的主要诱发因素,但滑坡位移速率对此类诱发因素的响应具有一定的滞后性,影响人类对滑坡所处运动状态的判断与预测。针对常规预测模型中未考虑时滞效应的问题,利用三峡库区新铺滑坡的GNSS位移监测数据、奉节气象站降雨数据以及三峡库区库水位涨落数据,通过对监测区内9个GNSS监测点的位移速率序列与降雨量、库水位高程序列进行时滞互相关分析,确定时滞参数,进而应用多变量灰色系统理论方法,建立了时滞GM(1,3)预测模型,并对滑坡位移速率进行预测验证。结果表明:三峡库区新铺滑坡位移速率与降雨量显著相关,对降雨量的响应滞后时间约为5 d,滑体中后部受降雨影响比前缘更明显;位移速率与库水位高程高度相关,对三峡库区库水位涨落的响应滞后时间约为31 d,滑坡前缘受库水位涨落影响更明显,且离长江越近,滞后时间越短;利用加入时滞参数的时滞GM(1,3)模型进行预测,模型拟合优度达到0.702,相比GM(1,1)模型和未顾及时滞因素的GM(1,3)模型,预测精度分别提升了53.8%和58.3%,平均绝对误差百分比分别降低了7.19%和7.47%,在滑坡位移速率预测及库岸滑坡防灾减灾领域具有一定的工程应用价值。 相似文献
18.
根据卡尔曼滤波理论以及抗差理论,本文推导出了相邻历元误差相关的抗差卡尔曼滤波模型,其对观测值中含有粗差有良好的抗差性。通过对含有粗差的变形监测数据分析,与相邻历元误差相关的卡尔曼滤波模型进行比较,采用本文构造的抗差卡尔曼滤波模型处理数据,无论是否有粗差存在观测值里,变形计算结果与实际结果大体一致,粗差对计算结果的影响不敏感。在对变形监测数据分析时,可得出卡尔曼滤波方法估计的状态向量,没有寄存大量的以往观测数据,而是使用最近的观测数据,经过不断的预测和改正,把新的状态展示在系统中。 相似文献
19.
陶国强 《大地测量与地球动力学》2021,41(12):1223-1229
考虑到传统谐波模型难以精确描述GNSS坐标时间序列的非线性变化,导致信号和噪声不能很好地分离,进一步影响粗差探测和噪声估计,本文提出一种基于奇异谱分析的粗差探测与噪声估计算法。首先采用奇异谱分析方法分离出GNSS坐标时间序列中的信号与噪声,然后基于IQR准则探测噪声中的粗差,最后采用最小二乘方差分量估计（LS_VCE）方法定量估计各噪声分量。算例表明,相比于传统基于谐波模型的算法,该算法的粗差探测准确率更高,且估计的噪声分量与真值更接近。 相似文献