实时校正模型的抗差递推算法

利用遥测系统实时监测水情资料,由于遥测系统自身的原因以及水文要素测量的具体要求,数据常常携带异常误差.采用有异常误差的实测流量资料对实时校正模型进行参数辨识,要求算法既能抵御异常误差的影响,又具有较强的实时跟踪能力,以适应实时洪水预报的要求.在递推最小二乘算法的基础上,引入抗差理论,削弱异常值对参数估计的影响;引入遗忘因子,实时跟踪模型时变参数的变化.计算实例表明,带有遗忘因子的抗差递推最小二乘算法对异常误差不敏感,又具有较强的实时跟踪能力.

抗差理论在汇流模型参数估计中的应用

根据水量平衡反推计算的入库流量,经常存在大波动的异常值。研究当流量资料受异常值污染时,采用附有条件的抗差最小二乘方法估计汇流模型参数的效果。运用于益塘和洈水两个水库流域,比较了抗差最小二乘估计与经典最小二乘估计的结果,证明了该方法的可行性和较高的演算精度。

基于抗差算法的马斯京根参数估计(英文)

用于估计马斯京根模型参数的方法很多,但这些方法在数据存在异常值时缺乏抵御异常值影响的抗差性能.推导出一种有限制条件的参数抗差估计算法,通过含有随机误差和异常误差的人工数据和真实数据比较抗差算法与传统最小二乘算法的抗差性.研究表明抗差估计算法能减小异常值对参数估值的影响.