形变分析中的模型精化研究.pdfVIP

2012年 l2川 城 币 勘 测 De(-．2012 6期 UrbanGeotechniealInvestigation Surveying No．6 文章编号：1672—8262(2012)06—148—04 中图分类号：P207 ．1；TUI96 ．1 文献标识码 ：B 形变分析中的模型精化研究 胡杰 (广东省电力设计研究院，广东 广州 510663) 摘 要：通过分析比较参数和非参数模型的各 自特点，本文提出“基于时间序列的半参数回归分析法”和 “基于线性回 归的神经网络精化法”两种组合精化模型，并将其运用到形变数据的分析与预报中，结果表明，相对于常规回归模型， 两种组合模型都取得不错的效果。 关键词：参数模型；非参数模型；半参数模型；神经网络；精化 l 前 言 … ， n，则有： 现代测量数据处理巾，影响观测值取值的凶素很 L =B +△ (1) n ×1 n ×Itxl n ×l 多，大概分为两部分：一部分为已知丽数部分，作为参 式 中：B为列满秩矩阵；X为参数 向量 ；△为随机 数分量 ；另r一培 分为某些干扰因素 ，同观测量的关系是 误差项 。 完全未知的，可以将其看作非参数分量，即用非参数分 在最小二乘法的准则下，可得 X最优无偏估}I为： 量表达参数模型表达不完善的部分 。 = (BB) BL (2) 在我们建立数学模型时往往无法考虑到所有因 2．2 非参数回归模型 素。为处理方便，常选择较为简单的函数来代替。因 参数模型中，观测值是未知参数的线性函数，从而 此，平差建立的函数模型只是实际的近似描述，即存在 要求数据处理中提供大量额外信息，南于参数模型的 模 误差。当模型误差与偶然误差相比是一个微小量 局限性，数学界提出_『非参数模型，如下所示 。 时，可以忽略模 误差。而当模型误差较大时，就会对 假设(1，，，)，i：l，2，…，n，满足： 参数估值产生较大影响，甚至会产生错误结论 J。 Yi=g(X．)+占， (3) 本文详细分析两种将参数和非参数模型进行组合 {}服从E(．)=0独立 同分 ，{X，}可以是随 的混合模型算法，即 “基于时问序列的半参数 回归分析 机的或非随机。一一般情况下，只考虑非随机的情况，也 法”和 “基于线性 回归的神经网络精化法”。 就是说，同归函数g(X)的估计鸯()总可以表示为如 下形式 ： 2 参数模型和非参数模型 n 誊。(X)=∑W ()Y。