基于半参数的MGM(1,N)模型变形预测

针对传统MGM(1,N)模型本身存在一定的缺陷,提出半参数MGM(1,N)变形预测模型,以补偿最小二乘作为约束条件。而半参数模型的关键是确定正则化矩阵和平滑因子,用时间序列法选取正则化矩阵,用L-曲线法确定平滑因子,解算出参数A^B。采用文献[1]中的原始数据序列,分别利用半参数MGM(1,N)模型和传统MGM(1,N)模型进行预测,用相对误差作为精度评价指标,平均相对误差进行模型检验,得出半参数MGM(1,N)模型的预测效果比传统MGM(1,N)模型的效果好的结论,同时验证了传统MGM(1,N)模型的模型误差。

补偿最小二乘估计在确定高程异常中的应用

针对常规最小二乘拟合求解高程异常存在的模型误差,本文提出将模型误差看作非参数信号采用补偿最小二乘法来处理,讨论了正则化矩阵R和平滑参数α的选取对拟合结果的影响,在对各种求解光滑参数深入研究的基础上,提出了一种Xu(α)函数法,并对一个测区的GPS水准数据进行解算,结果表明,利用补偿最小二乘模型求解高程异常优于最小二乘法。