最小二乘配置.pptVIP

最小二乘配置 岳东杰 河海大学地球科学与工程学院 问题提出 在拟合与回归分析模型中，“误差项”是否等价于观测误差？ 问题提出 在重力测量中，每个点的重力观测值都是正常重力、重力异常、观测误差之和。 如何根据观测数据同时确定非随机参数与随机参数（信号）的最优估计值？ 采用最小二乘配置法。 最小二乘配置的模型 随机模型 写成误差方程的形式： 根据求条件极值的拉格朗日乘数法，构造极值函数： 根据极值存在的条件有： 整理： 代入原误差方程，合并同类项： 将上式左乘 ，并顾前面的公式可得： 从而可得： 将信号估计值展开： 单位权中误差： 估值 的方差为 最小二乘配置模型的特例 最小二乘滤波与推估模型 经典最小二乘模型 协方差函数及其估计 最小二乘配置理论中的关键是方差协方差阵的确定 协方差函数的确定与选择直接影响着估计值的精度 常用方法——协方差函数拟合 ： 预先选择一个符合协方差函数条件的、形式比较简单的函数作为协方差函数，根据样本值(观测值)采用拟合的方法求得所选协方差函数中的待定参数。 协方差函数的性质 ： 协方差函数拟合 计算观测值中数及各观测值与中数的偏离值，这一步也称“观测值的中心化” 利用偏离值，根据统计学公式计算观测值的初始方差一协方差 选定协方差函数，应用最小二乘法求解所选协方差函数的待定参数 常用的协方差函数 ①高斯(Gauss)函数 ②希尔伏宁(Hirvonen)协方差函数 ③多项式函数 常用的协方差函数 ④复合函数 ⑤似高斯(Gauss)函数 * * 观测误差 信号 实际地面 拟合曲面（趋势） 拟合模型中的误差项 存在具有一定随机性的信号，归入观测误差不合理。 正常重力——取决于所采用的参考系统，不具有随机性。 重力异常——随机量，表现为信号 显然，在重力模拟时不能忽略这个随机量，怎么处理？ 最小二乘配置的函数模型 ： ——观测向量 ——观测噪声 ——非随机参数 ——随机参数（信号） ——已测信号，对其估计称为滤波。 ——未测点（计算点）信号 ，对其估计称为推估。 固定效应 随机效应 为带有先验统计性质的随机向量，故可将其视为权为 的虚拟观测值，按广义测量平差理论，平差准则为： 若 ，或不存在非随机参数，则： 若 ，或不存在随机参数，则： （1）对称性：对于平稳随机函数，其协方差函数为偶函数 （2）规则性： （3）非负定性 协方差函数拟合的目的就是求解函数中的参数。 *