基于等效残差的方差-协方差分量估计

首先概括性地阐述方差-协方差分量估计(VCE)理论的发展历史与研究现状;利用正交分解提取出等效残差,建立VCE的基本方程,在此基础上阐述VCE算法的局部最优特性和可能出现负定协方差阵估计结果等两大问题,并分析可能的解决方案及其复杂性;导出初值给定的Helmert、最小二乘和MINQUEVCE的线性逼近估计公式,证明基于等效残差的估计公式与已有VCE公式等价,各种估计方法在本质上是一致的;最后,用两个算例验证本文的观点。

基于等价方差-协方差阵的稳健最小二乘估计理论研究

在对现有的基于等价权的稳健估计的弊端进行分析的基础上 ,建立起一套基于调整观测量方差 -协方差阵的稳健最小二乘估计理论 ,包括相关ρ函数、相关φ函数、等价方差 -协方差函数、等价方差 -协方差因子、影响函数、崩溃污染率等。通过算例证明本文所提出的基于等价方差 -协方差的稳健估计思想。

等价条件平差模型的方差-协方差分量最小二乘估计方法

提出等价条件闭合差的方差-协方差分量最小二乘估计方法,简称LSV-ECM法。首先,利用等价条件平差模型建立了基于等价条件闭合差二次型的方差-协方差分量估计方程,由矩阵半拉直算子将其变换为线性Gauss-Markov形式,进而通过最小二乘准则导出了具有模型通用性、形式简洁性且满足无偏性和最优性的方差-协方差分量估计公式。其次,证明了LSV-ECM方法与残差型VCE方法的等价性,并在此基础上通过计算复杂度定量分析了所提方法的计算高效性。最后,通过边角网平差和中国区域GNSS站坐标时序建模及其结果分析,验证了所提新方法的正确性和计算高效性。

重复测量线性混合模型中方差-协方差结构的选择

线性混合效应模型在医学重复测量资料的数据分析与设计中广泛应用。本文围绕医学实例阐述了重复测量线性混合效应模型在对不同方差 -协方差结构建模时协方差结构的选择 ,并对结果进行分析 。

数据协调中测量数据方差-协方差估计及过失误差序列补偿算法

数据协调测量误差的方差-协方差矩阵(也称Q矩阵)通常是由操作人员根据仪表的精度事先给定的,由于没有考虑仪表精度的变化,很可能会造成数据的不一致或不准确.基于空间冗余的约束残差,本文提出了一种测量方差-协方差Q矩阵的估计方法,有效地减少了对Q矩阵先验知识的依赖.针对常见非线性或双线性问题,提出了估计方法的应用方案,并给出了侦破过失误差的序列补偿法.最后,某焦化厂的应用示例表明,该方法对于获得Q矩阵的最初估计和侦破过失误差是有效的.

GPS基线向量方差-协方差阵转换到高斯平面上的研究

根据GPS基线解算给出的方差-协方差阵,详细推导由空间直角坐标系的方差-协方差阵转为大地坐标系的方差-协方差阵。再由大地坐标系的方差-协方差阵转为高斯平面直角坐标系的方差-协方差阵,进而导出由直角坐标系的方差-协方差阵直接转到高斯平面直角坐标系方差-协方差阵的计算公式,最后通过范例给出解算结果。

GPS双差观测值的方差-协方差分量估计

随机模型是测量平差的重要组成部分,不合理的随机模型可能导致平差结果失真。因此,方差-协方差分量估计长期以来是数据处理界研究的热点。本文假定各历元的GPS双差观测值具有相同的方差-协方差矩阵,在历元之间相互独立,采用极大似然法、最小二乘法和MINQUE估计法三种方差-协方差估计方法计算方差-协方差阵的所有元素。根据实测GPS数据,三种方法估计的方差-协方差阵非常接近,但与GPS基线解算时常用的先验协方差阵有明显区别,说明GPS基线解算有必要进行方差-协方差分量估计。

基于等效平差因子的方差-协方差分量估计

充分挖掘观测量的信息,利用矩阵变换将随机模型的方差-协方差分量估计转化为函数模型的均值参数的估计,借助最小二乘理论得到方差-协方差的最小二乘估计.进一步通过矩阵的正交变换引入等效平差因子,然后通过二次型定理提出了基于等效平差因子的方差-协方差分量估计的新方法.算例表明,基于等效平差因子的方差分量估计的效果要优于最小二乘方差分量估计.

方差-协方差分量的验后估计与分析

目的对观测值的方差-协方差分量进行验前及验后估计与分析;探求正确评定观测结果精度的途径.方法通过全球定位系统双观测值实测数据,假设是非差观测值相互独立,用常规的基线处理方法,由协方差传播定律求得先验协方差阵;在历元之间相互独立的条件下,分别用最小二乘和MINQUE方法对观测值的方差-协方差矩阵进行验后估计,计算方差-协方差阵的所有元素.结果两种方法估计的方差-协方差阵都与常用的先验协方差阵有明显区别;两种方法估计计算结果非常接近.结论说明对全球定位系统双观测值有必要进行方差-协方差分量估计;两种方法估计计算结果非常接近说明了方差-协方差分量验后估计的严密性,对用方差-协方差分量验后估计进行新型测量数据的处理提供了可靠的理论依据.

精度估算中正直、交向摄影的点位方差-协方差公式

采用几何方法推导出了正直、交向摄影的点位方差-协方差公式,可供在正直,交向摄影的精度估算中,计算物方点的点位误差椭球之用。

方差-协方差分量估计公式等价性的进一步证明

通过附有条件的间接平差模型进一步证明各类方差-协方差分量估计公式之间的等价性。

基于方差-协方差组合预测的中长期电力负荷预测研究

关于中长期电力负荷预测有多种预测方法,但各方法被许多因素所局限,本文选用线性回归模型、二次多项式模型和灰色预测模型分别对电力负荷进行预测,再综合起来建立方差-协方差组合预测模型。通过比较后得出结论,本方法大大降低了误差,提高了预测精度,可以科学地预测中长期的电力负荷。

基于方差-协方差阵的宝林隧洞控制点稳定性分析

为分析水利工程建设中测量控制点稳定性,提出了一种基于方差-协方差阵的坐标较差法稳定性分析方法,并推导了计算模型。以宝林隧洞两期GNSS观测数据为例,经过控制网平差得到控制点坐标及其方差、协方差,采用本文方法给出了计算结果,并与已有坐标较差法进行比对分析。结果表明:已有方法由于未考虑协方差的影响,计算得到的中误差明显大于方差-协方差阵法计算得到的中误差,而且控制点坐标分量间的协方差对中误差的影响甚至可以达到已有坐标较差法的1/3,因而采用所提出的方法进行测量控制点稳定性分析更可靠。

基于混合效应模型的纵向暴露数据方差-协方差结构的模拟研究

目的探讨基于混合效应模型对短期纵向数据进行模拟,从而获得长期纵向数据这一方法的效果。方法以金属镉的膳食暴露数据作为应用实例来介绍该方法。首先计算某省成人的镉短期暴露量,在此基础上构建三个不同的模型并计算相应参数,包括固定效应参数、随机效应参数和一阶自相关系数。通过Monte Carlo模拟得到不同模拟人数和天数下人群的每日暴露量及其分布。三个标准用于评价模拟数据与原始数据的相似度:总平均值和标准差、方差成分比例和自相关系数。结果固定效应参数:年份、地区及两者的一级交互作用被纳入混合效应模型;随机效应参数:个体间方差σ^(2)_(b)=0.056,个体内方差σ^(2)_(e)=0.717,一阶自相关系数AR(1)ρ=-0.026;模型选择:在同样的模拟人数和天数下,模拟结果显示含有自相关结构的混合效应模型模拟的数据结构与原始数据结构最接近;考虑自相关的混合效应模型的模拟结果:模拟人数固定为1000人,模拟天数从30天递增至360天,随着时间长度逐渐增加,个体内与个体间方差成分比例以及自相关系数都很稳定,且接近原始数据的结果。结论基于混合效应模型的纵向暴露数据模拟方法可获得与原始数据的方差-协方差、自相关结构一致的长期数据。

认知诊断模型中项目参数的方差-协方差矩阵估计方法比较:Bootstrap与解析法

认知诊断模型中,项目参数的方差-协方差矩阵具有很重要的作用。作为一种非参数化的方差-协方差矩阵估计方法,Bootstrap法的一个主要优势在于它不需要解析推导。比较认知诊断模型中基于解析法的经验交叉相乘信息矩阵、观察信息矩阵和三明治协方差矩阵法,与Bootstrap法在估计项目参数标准误时的表现,模拟结果显示,认知诊断模型及Q矩阵正确设定或是模型中错误设定较少时,解析法的表现优于Bootstrap法,只有在样本量N=5000的条件下,Bootstrap法的表现才基本与解析法接近;当模型中错误设定较多时,Bootstrap法也没有表现出明显的稳健性。因此,在认知诊断模型中,推荐使用基于解析法的方差-协方差矩阵估计方法,尤其是三明治协方差矩阵法;当没有现成的基于解析法的方差-协方差矩阵估计方法可用时,Bootstrap法可以作为一种粗略的估计方法使用,尤其是在样本量较小的情况下。

基于等价方差-协方差抗差估计在GPS网平差中的应用

在GPS网平差中,其观测值为三维基线向量,基线向量3个分量间存在较强的相关性,在平差时必须考虑。根据等价方差-协方差理论,本文以GPS网平差为例,对比IGG-2方案,说明了等价方差-协方差理论在相关观测抗差估计中的优越性。

基于等价方差-协方差的粗差探测敏感度分析及实现

选权迭代法在面对独立观测量中的粗差时能够表现出良好的探测效果,但由于其只是一种基于独立观测值的稳健估计法,没有考虑到观测值之间的相关性[1]。而现有的等价权函数虽然都满足稳健估计的要求,但由于所构造的等价权阵不对称,使得最后平差结果严重偏离实际情况。本文介绍在传统稳健估计的基础上,在定权时充分考虑相关观测值之间相关性的不变性,构造对称的方差—协方差阵不断扩大,并通过VB进行编程及实例分析,发现该方法对粗差的敏感度非常强,探测精度很高。

奇异方差-协方差矩阵的n种风险资产有效边界的特征

本文利用均值-方差模型,用新的方法在无套利假设下研究了当方差-协方差矩阵是奇异时n种风险资产投资组合有效边界的本质特征,并提出了有效的、操作性强的投资策略。

方差-协方差分量估计的概括平差因子法

针对现有方差-协方差分量估计(variance-covariance component estimation,VCE)理论存在的问题,通过引入间接平差的平差因子概念,定义并研究了基于概括平差模型的概括平差因子、概括闭合差及其方差阵,进而利用二次期望公式提出了基于概括平差因子的VCE新方法。该方法适用于概括平差模型所归纳的4种函数模型形式,并通过概括平差因子揭示了平差函数模型与VCE是否存在解析估计形式的关系。实例计算结果表明,现有迭代型VCE方法改变了LS估计量的统计性质,而VCE新方法解析估计具有LS统计性质,且无需初值。

基于方差-协方差分量估计的GM(1,1)模型及其应用

首先给出了基于灰色系统理论的GM(1,1)传统模型,指出该模型的实质是假设原始数列为独立、等精度观测数据,而事实上,独立且等精度观测对于实际测量难以从严格意义上实现。为此,从平差后得到的改正数入手,探讨基于方差-协方差分量估计的GM(1,1)模型,并将其应用于某变形监测预报,得到了较好的结果。