排序方式： 共有8条查询结果，搜索用时 15 毫秒
1
1.
Full waveform inversion( FWI)is a high resolution inversion method,which can reveal detailed in-formation of the structure and lithology under comPlex geological background. It is limited by many kinds... 相似文献
2.
MIHT(Modified Iterated Hough Transform)方法用于影像配准时,具有以直线段作为配准基元、线段之间不需同名关系等优点,同时亦存在着收敛速度慢、计算费时等不足。针对MIHT算法的缺点,提出将选权迭代最小二乘法引入到计算过程中,并且文中给出改进算法的具体实施流程。实验证明,与原算法相比较,改进算法的收敛速度和可靠性都有了明显的提高。 相似文献
3.
稳健加权总体最小二乘方法 总被引：1，自引：1，他引：0
加权总体最小二乘没有考虑观测数据中可能存在的粗差,本文基于IGG权函数,采用选权迭代法求解加权总体最小二乘。结合模拟数据和真实数据,系统地比较了加权总体最小二乘方法、基于Huber权函数的稳健加权总体最小二乘方法和基于IGG权函数的稳健加权总体最小二乘方法的系数估计和误差估计,通过对比分析表明,两种稳健加权总体最小二乘方法的参数估计结果比加权总体最小二乘方法更加可靠,且以基于IGG权函数的稳健加权总体最小二乘方法为最优。 相似文献
4.
针对当前利用大地水准面模型求解垂线偏差精度不高、稳健性差的问题,设计了一种严密的垂线偏差抗差最小二乘解法.首先,基于大地水准面与垂线偏差的关系,采用EGM2008 (Earth Gravity Model 2008)重力场模型计算参数初始解;然后,引入中位数抗差法,并选用Huber权函数计算等价权,迭代计算出稳健的垂线偏差最小二乘解;最后,结合两个实测算例对设计方法进行验证.试验结果表明,该方法计算的垂线偏差分量与约定真值最大偏差在0.5′′左右,相较于对比方法精度更高;同时,该方法能有效抵抗粗差值的影响,具有较强的稳健性. 相似文献
5.
GPS时间序列周期信号的精准提取对趋势的估计具有重要的影响。相较于传统的常数振幅周期信号模型,已有研究表明GPS时间序列周期信号的振幅是随时间变化的。实际的GPS时间序列存在异常值,且在提取周期信号过程中会产生新的异常值。针对以上两点,该文提出了一种基于Huber函数M估计(HM)的GPS坐标时间序列时变振幅周期信号估计方法:采用关于时间的多项式函数来建立时变振幅模型,由HM方法及交替方向乘子法求解。通过模拟数据及实际GPS站点数据将HM方法与小波分解方法、奇异谱分析方法和滑动最小二乘方法进行比较,结果表明HM方法在估计精度上要优于其他3种方法,弥补了已有方法在时变振幅情形下会吸收噪声以及噪声较强时对周期信号提取能力较弱的不足。 相似文献
6.
在抗差稳健估计中,选权迭代法应用最广,较易理解,M估计法计算简单。基于M估计的基本理论,深入分析Huber、Hampel、IGG3种常用的选权迭代法,并利用水准网数据,分析这3种常用选权迭代法的适用范围和相应的抗差效果,表明IGG法比其他两种的抗粗差效果要好,且易实现。 相似文献
7.
Seismic inversion is a highly ill-posed problem, due to many factors such as the limited seismic frequency bandwidth and inappropriate forward modeling. To obtain a unique solution, some smoothing constraints, e.g., the Tikhonov regularization are usually applied. The Tikhonov method can maintain a global smooth solution, but cause a fuzzy structure edge. In this paper we use Huber-Markov random-field edge protection method in the procedure of inverting three parameters, P-velocity, S-velocity and density. The method can avoid blurring the structure edge and resist noise. For the parameter to be inverted, the Huber- Markov random-field constructs a neighborhood system, which further acts as the vertical and lateral constraints. We use a quadratic Huber edge penalty function within the layer to suppress noise and a linear one on the edges to avoid a fuzzy result. The effectiveness of our method is proved by inverting the synthetic data without and with noises. The relationship between the adopted constraints and the inversion results is analyzed as well. 相似文献
8.
1