北斗三号B1I/B2a相对定位精度分析

为了研究北斗三号导航卫星系统(BDS-3)B1I/B2a相对定位精度,通过GAMIT10.71软件处理澳大利亚地区10个MGEX跟踪站数据。实验结果表明:格洛纳斯(GLONASS)G1/G2的N、E、L基线向量标准差最大分别达到8.00 mm,12.10 mm和10.60 mm;北斗二号导航卫星系统(BDS-2)B1I/B2I的U基线向量标准差最大达到28.70 mm。基线长度与基线长度标准差(STD)呈正相关。BDS-3 B1I/B2a、伽利略导航卫星系统(Galileo)E1/E5a和全球定位系统(GPS)L1/L2的点位中误差和加权均方根(WRMS)整体较小,精度较高;BDS-2 B1I/B2I和GLONASS G1/G2则整体较大,精度较低。实验结果进一步表明:BDS-3 B1I/B2a相比较于BDS-2 B1I/B2I的定位精度有大幅度提升。

空间直角坐标分量中误差转换到相邻点基线分量中误差的算法设计与实现

GNSS定位模型通常是在空间直角坐标系下建立的,测量精度以空间直角坐标分量中误差表示。依据我国现行GNSS测量规范,测量精度指标以相邻点基线分量(水平分量、垂直分量)中误差表示。为解决空间直角坐标分量中误差与现行规范测量精度指标不相容的矛盾,完成GNSS成果质量评定,本文论述了空间直角坐标系到大地坐标系,再到高斯投影平面直角坐标系的转换过程及误差传递算法。通过C#编程实现了空间直角坐标分量中误差到相邻点基线分量中误差的计算,并对点位中误差传递算法数值计算的准确度进行了验算。验算结果表明,该算法满足GNSS成果质量检验工作要求。

基于KPCA-GA-BP模型的页岩气集输管道的内腐蚀速率预测

针对页岩气集输管道的内腐蚀,提出了一种基于KPCA-GA-BP组合模型的腐蚀速率预测算法。以某条页岩气集输管道的检测结果作为训练数据,运用反向传播(BP)神经网络建立预测模型,运用遗传算法(GA)优化了神经网络权值和阈值的初始值,运用核主成分分析法(KPCA)对数据进行了降维,在模型建立的过程中不断优化提升模型的预测精度,采用所建模型对另一条相邻管道进行预测并开挖验证。结果表明:选择TRAINGDM作为训练函数,隐含层节点为(8,1),遗传算法进化数为50,种群规模为100,交叉概率为0.3,变异概率为0.2,运用KPCA将数据从7维降为4维后,此模型的均方误差最低为0.12,当该模型用于相邻管道的预测时,均方误差为0.14。运用KPCAGA-BP模型,对页岩气集输管道内腐蚀速率进行预测具有一定的准确性,此模型可用于辅助指导现场内腐蚀直接评价等相关工作。

基于萤火虫算法与BP神经网络的电力系统短期负荷预测

随着社会生活的不断发展,人们日常生活质量的不断提高,电力的使用在日常生活中愈发广泛,在用电需求不断增大的同时,对于电力系统的稳定性和电力调度的精确性也提出更高的要求.在此背景下,精确的电力系统短期负荷预测方式具有重要的实际意义,可以合理地为电力调度提供保障.在实际情形下,许多变量因素也会对发电量产生影响,因此仅使用历年同期发电量数据作为原数据进行预测难以保证预测结果的精确性.本项目创新地将主成分分析运用于数据预处理,并将萤火虫算法与BP神经网络相结合,将温度、湿度、空气质量等重要影响因素纳入负荷预测的考虑范畴并进行预测.根据均方误差结果可知,运用主成分分析将重要变量因素(如温度、湿度)纳入预测范畴能够有效提升负荷预测的准确性.

线性回归模型中的KL型主成分估计

当线性回归模型中存在复共线性时,基于最小二乘估计的统计推断往往会受到影响。鉴于此,结合主成分估计和KL估计,提出了一类新的估计方法,即KL型主成分估计,以期克服复共线性问题。同时,得到新的估计在均方误差意义下优于最小二乘估计、主成分估计、r-k估计、r-d估计和KL估计的充要条件。并利用Monte Carlo模拟和实证分析对各估计量在均方误差准则下进行了比较。

绝对定向图形结构对经纬仪测量系统精度的影响

为了分析经纬仪测量系统绝对定向不同的图形结构对其观测精度的影响,根据现场测量环境给出绝对定向最佳的图形结构,提高测量系统观测精度。本文从经纬仪测量系统原理及精度分析,要获取空间点精密的三维坐标,一定要确定两仪器AB方向和仪器间距离(基准线b);对经纬仪系统绝对定向进行误差分析,得出基线b的精度主要取决于基准尺与两仪器相对位置关系——图形结构[1]。通过模拟基准尺与两仪器的相对位置关系,得出最佳的图形结构,提高测量系统的观测精度,并通过试验加以验证。

四种常用坐标测量方法的精度对比

由于高精度全站仪的普及和使用,极坐标法、角度前方交会法、边长前方交会法、边角前方交会法在平面控制点加密或测点坐标测量中得到广泛采用。推导4种测量方法点位中误差的计算方法,针对工业测量中短基线和工程测量中较长基线的情况,结合确定性的观测仪器和观测条件,计算点位中误差的大小,对比分析不同测量方法的精度、特点和应用条件,计算、分析的结果和结论对实际测量方法的选择和测量工作的开展具有较好的参考价值。

短基线集形变模型反演的正则化解算方法

针对短基线集形变模型反演中法方程系数矩阵呈病态的问题,提出一种正则化稳健解算方法。该方法基于Tikhonov正则化理论,将形变速率求解问题转化为极小化问题,根据L-曲线法选取正则化参数,考虑最小二乘残差各个分量间的关系选取正则化矩阵,实现短基线集形变模型反演的稳健解算。分别采用LS法、岭估计法和Tikhonov正则化法对覆盖北京地区的29景ENVISAT ASAR数据进行处理,反演出研究区沉降速率图。通过对代表不同沉降情况的21个点的均方误差值和时间相干值、整个研究区的均方误差图等的对比分析,表明本文提出的短基线集形变模型反演的正则化稳健解算方法可获取更可靠的形变监测结果。

均方误差准则下的几乎无偏Stein岭型主成分估计的优良性

将Stein岭型主成分估计利用几乎无偏估计思想进行优化,得到几乎无偏Stein岭型主成分估计.并考虑均方误差准则,得到了几乎无偏Stein岭型主成分估计优于最小二乘估计、Stein岭型主成分估计的充分条件.并通过数值实验证明在给定k或p时,几乎无偏Stein岭型主成分估计的均方误差与Stein岭型主成分估计的均方误差较为接近,且远大于最小二乘估计的均方误差.

岭-主成分组合估计及其在测量平差中的应用

在分析岭估计缺陷的基础上,运用主成分估计方法,提出了测量平差Gauss-Markov模型参数的一个新的有偏估计,称为岭-主成分组合估计,在均方误差意义下讨论了岭-主成分组合估计的优良性质及其岭-主成分组合估计与岭估计、主成分估计的比较问题,讨论了岭-主成分组合估计中偏参数的选取问题,得到了许多重要结论。理论分析和计算结果都表明,岭-主成分组合估计是一类很有潜力的有偏估计。

基于小波变换和改进的瞬态独立成分分析融合算法的心电信号降噪方法

本文提出一种基于小波变换与独立成分分析融合的信号处理方法,该方法用于抑制多通道同步采集的心电信号包含的噪声。首先利用小波变换对各路同步采集的原始心电信号进行八尺度分解,获得低频逼近信号与高频细节信号,通过设定阈值的方法去除属于低频噪声部分的逼近信号。然后对保留的细节信号进行反变换实现信号重构,再利用包含预同步功能的瞬态独立成分分析改进算法从重构的信号中分离出高频噪声与心电信号独立成分。最后采用信噪比与均方根误差作为信号质量评价指标,将融合算法与单独使用瞬态独立成分分析算法的处理结果进行对比,结果表明融合算法进行降噪处理这一方法具有更高的信噪比和更低的均方根误差,本文提出的融合算法具有良好的心电信号降噪性能。

基于最小均方误差准则的ICA过程监控方法

独立成分分析(ICA)近年来在过程监控领域获得广泛关注。针对ICA的数据降维问题,提出了一种基于最小均方误差准则的ICA降维算法(MSE-ICA)并给出了数学证明。该算法按照最小均方误差估算独立成分的重要性进行排序,能够准确选择影响过程状态的关键隐变量,有效增加基于ICA的过程监控算法的鲁棒性,集中监控对过程状态变化起决定作用的成分,从而有效提高了过程监控算法的性能。仿真试验和某电厂制粉系统故障数据测试均表明,该方法能够显著降低过程监控方法的漏检率,提高检测的可靠性。

随机变量二次型的协方差在混合效应模型中的应用

本文提出方差分量ANOVA估计的一种改进方法,证明了对于一般的方差分量模型,只要方差分量的ANOVA估计存在就可以通过此方法给出其改进形式,并且在均方误差意义下优于ANOVA估计.特别地,对于单向分类随机效应模型,Kelly和Mathew[1]对ANOVA估计的改进就是我们提出的改进方法的特殊形式,这也给出了此类改进估计在均方误差意义下优于ANOVA估计的另一种合理的解释.同时,本文又将此思想应用到对谱分解估计的改进上.本文应用协方差的简单性质证明了对带有一个随机效应的方差分量模型,当随机效应的协方差阵只有一个非零特征值时,随机效应方差分量谱分解估计在均方误差意义下总是优于ANOVA估计.本文最后将第三节的结论推广到广义谱分解估计下,同时给出广义谱分解估计待定系数的一个合理的取值.

EMD与ICA算法在三相流流量软测量中的应用

针对目前大多数流量计测量流量时要求被测流体为单相流或混合均匀的两相流的问题,应用经验模态分解(EMD)和基于累积量的独立成分分析法(ICA),对三相流电导信号进行气相信号和液相信号分离。采用LMS自适应滤波时延估计技术计算其渡越时间,进而间接测量出三相流流量。通过对不同流量的油气水三相流信号进行流量测量可知,试验测量误差小于10%。该方法为准确测量油气水三相流流量提供了一种可行的方法。

MSE准则下岭-主成分组合估计与LS估计的比较与选择

研究了测量平差Gauss-Markov模型中岭-主成分组合估计与LS估计的比较与选择问题。首先在均方误差(MSE)准则下对岭-主成分组合估计与LS估计进行了比较,得到了岭-主成分组合估计优于LS估计的椭球条件;然后运用MonteCarlo方法对这些条件进行了假设检验;最后通过数值实验说明,在一定显著性水平下当原假设被接受时,可采用岭-主成分组合估计对LS估计做出比较有效的改进,当原假设被拒绝时,应该仍采用LS估计。

秩亏线性模型中的一个新的线性有偏估计类(英文)

本文基于最优线性最小偏差估计的谱分解 ,定义了秩亏线性模型未知参数的一个新的线性有偏估计类 ,并讨论了它的许多重要性质 .通过选取偏参数的适当形式 ,构造了许多很有意义的线性有偏估计 .最后 ,给出了一个算例 .

增长曲线模型中回归系数的广义岭型主成分估计

针对增长曲线模型中设计阵呈病态时,提出了一种有偏估计——广义岭型主成分估计:证明了通过选择适当的参数,使得该估计在均方误差(MSE)意义下改善了最小二乘估计和主成分估计,并且进一步得到了在MSE意义下该估计是可容许估计,最后得到该估计在广义岭型降维估计类中方差和最小。

回归系数的联合回归估计

本文提出了一种新的关于回归系数的有偏估计—联合回归估计.证明了在一定条件下,它优于最小二乘估计、主成分估计和组合主成分估计,且在均方误差意义下是可容许估计.

Helmert分类定权法在水准测量中的应用

针对传统定权方法不能较好地顾及地形起伏对高差观测误差的影响这一问题,把整网水准观测值分为按测站及距离定权,将Helmert方差分量估计方法应用于高差观测值实测精度的水准网分类定权中,该方法能较合理地根据地形情况确定初始权阵、提高初始权精度、反映高程监测网的实际状况。结合算例,对该方法定权及平差效果进行了分析。

关于广义压缩最小二乘估计的注记

本文研究了广义压缩最小二乘估计(GSLSE)的一些性质,给出了它的均方误差(MSE)的一个无偏估计量(UE),采用极小化该UE的方法确定了GSLSE的参数选取公式,并把这个统一化的方法应用于广义岭估计、岭估计、Massy主成分估计、Stein型压缩估计以及根方有偏估计等,从而得到了它们的一种选取参数的方法,最后,结合Hald实例进行比较分析,结果表明,本文的方法是实用的、有效的。