基于自回归EIV模型的高铁桥墩沉降预测方法研究

高速铁路线下工程沉降监测与控制,是实现铁路轨道的高平顺性施工和高稳定性运营的基础。桥梁工程占我国高铁总里程的50%以上,开展桥墩沉降监测和预报,对高速铁路工程的顺利施工和高速铁路网运营安全意义重大。为建立符合高铁桥墩沉降变形实际的沉降预测模型,基于自回归(AR)模型和线性假设理论,考虑模型变量误差对AR模型建模的影响,推导了顾及模型变量误差的高铁桥墩沉降预测自回归EIV模型建模及解算方法,推演了基于线性假设理论的最佳高铁桥墩沉降预测模型选择方法,在此基础上设计了一种基于自回归EIV模型的高铁桥墩沉降预测方法。研究结果表明:采用该方法建立的沉降预测模型,能够客观、准确地对高铁桥墩的沉降变形趋势作出预测,进而可为施工建设和运营维护决策的制定提供科学依据。

基于广义EIV模型的矿区高程异常的无缝推估算法

本文基于广义EIV(Generalized Error-In-Variables,GEIV)模型,提出一种矿区高程异常拟合的无缝推估算法。该方法可以顾及观测值之间的相关性,实现求解二次多项式系数的同时并推估出未知高程异常的一步法。通过实验表明,相比较于GEIV模型和Gauss-Markov(GM)的两步法,本文提出的方法求解多项式系数的均方根误差与广义EIV模型的精度一致,且优于GM模型,推估未知高程异常的精度分别提升50%和10%。

含缺失数据的EIV系统辨识

针对含缺失数据的变量带误差(EIV)系统,直接利用协方差匹配(CM)算法进行辨识的精度有限,为此提出一种协方差匹配迭代(covariance matching based iterative,CMI)算法。首先基于不完整数据集,利用CM算法获得模型参数的初始估计,然后采用交互估计理论,利用获得的参数计算缺失输出数据的估计,重构得到完整的数据集后再进一步利用CM算法更新参数估计。两者执行了递阶计算过程,通过迭代辨识逐步提高参数估计精度。仿真结果表明,CMI算法的参数估计误差在输出数据缺失率达到60%时仍然能够保持在2%以下,且随输入端和输出端噪信比的变化速率仅为CM算法的16.8%和10.8%,验证了所提算法具有较高的辨识精度和良好的鲁棒性。

通用EIV平差模型及其加权整体最小二乘估计

以平差基本理论为基础,提出了EIV(errors-in-variables)平差模型的通用形式,涵盖了间接平差、条件平差、附有参数的条件平差及附有限制条件的间接平差等基本EIV模型形式。基于整体最小二乘估计准则,研究了通用EIV模型的加权整体最小二乘算法,并推导了估计结果的近似精度公式。通用EIV模型及其整体最小二乘算法是对EIV模型估计理论的进一步完善,统一的整体最小二乘算法有利于软件的编程实现,有助于推动EIV模型估计理论的应用。

动态EIV模型及其总体卡尔曼滤波方法

针对求解动态EIV模型时未考虑状态方程中状态转移矩阵误差的问题,本文建立了一种能够同时顾及状态方程和观测方程中各量误差的动态EIV模型。推导了针对该动态EIV模型的总体卡尔曼滤波方法及其近似精度评定公式。对比分析了本文总体卡尔曼滤波方法与已有总体卡尔曼滤波方法及总体最小二乘方法的异同。算例结果表明,本文方法统计上要优于标准卡尔曼滤波方法和已有的总体卡尔曼滤波方法。

一种新的基于线性EIV模型的鲁棒估计算法

提出了一种新的基于线性EIV模型的鲁棒估计算法——鲁棒扩充算法.该算法从结构化数据区域出发,逐渐扩充模型数据集,并不断更新模型参数的估计,直至找到所有模型数据.在每次迭代中,使用C-Step方法对集合进行调整,从而保证了算法的鲁棒性.同时,提出了关于粗差数据和结构化数据分布的结构化密度假设,结合Mean Shift算法,完成对算法的初始位置选取.仿真结果表明,该算法可以有效地处理含有多个结构和大量离群样本的混杂数据,与现有算法相比,具有更强的鲁棒性和更高的精度.

基于EIV模型的稳健估计

EIV(error-in-variables)模型同时考虑观测向量和系数矩阵的误差,自提出以来便得到广泛应用。目前针对EIV模型的整体最小二乘解法(TLS)假设观测值仅含有偶然误差,当观测值存在粗差时其解并不是最优的。文中通过选定合适的权函数,结合加权整体最小二乘迭代算法,导出基于EIV模型的稳健整体最小二乘迭代解法(RTLS)。线性拟合实验表明,文中方法能对粗差进行定位,且估计量受粗差影响较小,具有稳健性。

线性EIV模型的TLS估计及其典型应用

推导了将线性GM模型转换为变量含误差(EIV)模型并采用总体最小二乘(TLS)平差的方法,介绍了加权总体最小二乘、混合总体最小二乘和附限制条件的总体最小二乘问题及其解算方法。以经典大地测量控制网平差和数据拟合算例比较各种TLS估计的精度和计算效益。理论分析和算例表明:对于EIV模型,WTLS为最优估计,实际应用时需根据具体函数模型和随机假设选择合理的TLS平差方法。

Partial EIV模型的非负最小二乘方差分量估计

Partial Errors-in-Variables(Partial EIV)模型是EIV模型的扩展形式,权阵构造简单,当系数矩阵中存在非随机元素和随机元素时,Partial EIV模型的适用性更强。针对Partial EIV模型中随机模型不准确的情况,将系数矩阵和观测向量分别作为一类数据,本文在该模型的基础上,使用最小二乘方差分量估计方法,推导相关计算公式及迭代算法,分别估计出相应的方差分量估值。并对出现的负方差使用非负最小二乘理论,增加约束条件,对随机模型进行修正,得到更加合理的参数估值。试实验结果表明,本文的方法与其他方差分量估计方法等价。

一种基于Partial EIV模型的多项式拟合解法

针对多项式拟合模型系数矩阵中部分元素是某一自变量的函数的特点,根据Partial EIV模型的解算思想,将系数矩阵中自变量的函数作为随机元素提取,顾及泰勒展开的二阶项,由协方差传播律计算自变量函数的协因数阵进行平差解算。实验结果表明,系数矩阵的元素不再是单独的自变量时,使用该算法可以得到与已有非线性总体最小二乘方法相近的参数结果,从构造随机向量权阵的角度提供了一种新的解算方法。

高程异常拟合病态EIV模型的广义岭估计算法

应用法方程矩阵的特征向量构造正则化矩阵,改进通过单一参数既要实现降正则化、又要实现正则化的高程异常拟合病态模型算法。以二次多项式拟合模型为例,应用实测数据对算法进行验证,并与现有病态模型的正则化算法进行比较。

SUT法偏差改正的Partial EIV模型方差分量估计及其精度评定

由于部分变量误差(partial errors-in-variables,Partial EIV)模型方差分量估计精度评定理论不完善,将SUT采样法应用于Partial EIV模型的最小范数二次无偏估计(the minimum norm quadratic unbiased estimator,MINQUE),利用方差分量估计修正随机模型并以此作为先验信息对观测向量进行SUT法采样得到参数的加权均值和二阶精度信息。考虑到非线性模型的偏差,进行偏差改正,再通过SUT法对改正后的参数采样计算二阶精度信息。通过算例实验验证,结合SUT法和方差分量估计求解Partial EIV模型,能够有效地避免复杂的求导运算,并获得更为精确的参数估值和合理的二阶精度信息,表明偏差改正的必要性。

坐标转换Partial-EIV总体最小二乘方法

在测量数据处理过程中,针对系数矩阵中同时存在随机元素和固定元素的情况,Xu等通过将随机元素分离使EIV模型推广到Partial-EIV模型,并给出基于Partial-EIV模型的总体最小二乘(TLS)算法。文中介绍该算法,并将其应用在平面及空间的坐标转换中,通过与最小二乘(LS)、总体最小二乘(TLS)及加权总体最小二乘(WTLS)方法的比较和分析,验证该算法有效性。

线性EIV模型的t型估计

将数理统计中的t型估计作为一种抗差估计引入测量平差中,提出线性EIV模型的t型抗差估计及其EM算法。以平面拟合为例,当向观测向量和系数矩阵加入粗差时,选取合适的自由度v,t型估计具有较好的抗粗差能力,求出的参数均值与真值偏差较小。

一种基于Partial EIV模型的圆曲线拟合解法

针对圆曲线拟合问题,以圆曲线的参数方程为基础建立圆曲线拟合的EIV模型,根据系数矩阵的特点将模型转化为更合理的Partial EIV模型,通过公式变形为最小二乘形式,采用两步迭代法求解模型参数,保证系数矩阵中相同元素的改正数一致,常数元素的改正数为零。算例数据结果表明,所提算法的可行性、拟合精度相对较优。

一种Partial EIV半参数模型的系统误差处理方法

在使用总体最小二乘求解参数时,若观测值中包含系统误差,此时得到的参数估值则会受到系统误差的影响,从而得到不可靠的解,因此必须削弱系统误差对参数估计的影响,以获得相对可靠的解。本文提出在partial errors-in-variables(Partial EIV)模型的基础上给观测值增加非参数部分(系统误差),从而构建Partial EIV半参数模型;基于补偿最小二乘准则进行公式推导,并分别通过选取适当的正则化矩阵及通过L曲线法确定平滑因子。通过算例结果分析表明,与传统方法相比,本文的方法在一定程度上能够削弱系统误差的影响,得到更为可靠的参数解,从而验证了该方法的有效性和可行性。

偏差改正的Partial EIV模型方差分量估计

针对Partial EIV模型的方差分量估计中未考虑参数估值偏差所带来的影响,将Partial EIV模型视为非线性函数得到参数估值的偏差及二阶近似协方差表达式,计算得到偏差改正后的参数估值,结合方差分量估计方法,更新由参数估值影响的矩阵变量,给出了基于偏差改正的方差分量估计迭代方法。试验结果表明,参数估值及其协方差主要受参数估值偏差大小的影响,加入偏差改正能够得到更加合理的参数估值及方差分量估值,偏差改正后的方差分量估值可更加合理地评估参数估值的精度信息。

水准测量中尺度比参数的附加系统参数的Partial EIV模型解法

针对目前水准测量中尺度比参数的附加系统参数的平差模型,本文对模型进行重构,提出尺度比参数的附加系统参数的partial errors-in-variables(Partial EIV)模型,给出总体最小二乘准则下的解算公式及迭代算法。实际算例和模拟数据结果表明,本文方法与传统方法在处理尺度比参数为附加系统参数时的效果基本一致,并给出相关的理论依据。

EIV模型参数求解的超球体单行采样法

EIV模型实际上是一种非线性模型,其参数估值是有偏的。引入可以使参数解达到二阶精度的超球体单行采样法,通过特定的采样策略近似非线性函数的概率密度分布,无需计算非线性函数的Jacobi矩阵和Hessen矩阵。在一定程度上降低了求非线性函数达到二阶精度的参数解的难度。通过算例表明,该方法可以得到比TLS迭代方法更为合理的结果,验证了本文方法的可行性和有效性。

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。