半参数模型及其在形变分析中的应用.pdfVIP

第29卷第5期 测绘科学 v01．29№．5 2004年10月 Sclenceof and surveyingMappi“g Oct 半参数模型及其在形变分析中的应用 丁士俊。 陶本藻 (武汉大学测绘学院，湖北武汉430079) 【摘要】半参数回归模型L=Bz+s+E是线性模型与非参数回归模型的混合体。本文采用自然样条逼近方法， 探讨了自然样条半参数回归分析方法，同时将此方法运用到形变分析与预报数据处理中，结果表明是一种有效的 方法。半参数回归效果要优于参数回归，多项武参数回归的残差平方和远大于参数回归。 【关键词】半参数回归；自然样条；曲线拟合；补偿最小二乘；模型误差；形变分析与预报 【中图分类号】P208 【文献标识码】A 0038—03 【文章编号2004)05 ㈣言 数部躺补翩，【警鬻：乏篙笔絮题： 恤’ 在处理实际问题时，影响观测值取值的因素很多，建 《y=越+；+L 立数学模型时往往无法考虑到所有的这些因素。观测值与 式中第一式前一项是残差平方和．后一项即补偿项。R是～ 参数之间的函数关系可能比较复杂，为了方便起见，人们 个适当给定的正定(或半正定)矩阵，称为正规化矩阵，二次 经常选择较为简单的线性函数关系来代替。因此，数据处 型补偿项≯越反映了对向量；的某种度量；n是一个纯量因 理中建立的函数模型通常是对实际问题的近似表达。当存 子，在极小化过程中对y和；起平衡作用．称为光滑因子(或 在模型误差时，若模型误差与偶然误差相比是一个微小量， 光滑参数)。 所略模型误差不会对参数估值产生太大的影响，当模型误 从数学上说，自然样条函数是一分段多项式。具体地说， 差的存在较为明显不能忽略时，会对参数估值产生较大的 影响，为了给补线性回归一般拟台效果较差的缺陷．统计 学界提出了一种所谓的偏线性回归模型(Par【“linear次多项式，每个节点f，上具有直到女一1阶连续导数．则称为 rrlodd)．又称为半参数回归模型(s日nip蛳t^cregresslon分段^次多项式5(t)为^次样条函数，在实际应用，最常用 model)…[3][“，其模型形式为： 的样条函数为三次自然样条函数，假设s(￡)为区间[￡1，f。] L=赶x+s(f)十8 (1a) 上的三次自然样条插值函数，可以证明【4儿7’ E(￡)=0，E(E禹)=0，D(E)=djP‘=d；Q(1b) 式中 J=(zl，。2，…，z4)1为参数向量．丑膏为主要影响 l(s”(f))2df=盎1m(3) 项，与L的关系已知的，表现为线性关系，即可通过经验或数 学关系式用参数来表达，而且是观测量的主要的影响项，适 合外延预测；J(￡)：(JI，52，…，岛)1为模型未参数化的部 元素^．满足 分，与L的关系完全是未知的，也称为非参数部分；o=(e．， 厶=町1；‘¨，=一(^j1+^二1)；‘％，=^二l； E∥．-，e。)1为误差向量。 J=l，…，n一2， 在形变分析中，一般可以把形变数据成某种时间序列． ，．=0 l—