岩石力学反问题.ppt

例如对于代数模型η=β1+β2t+β3t2，t为量测时刻，参数β1，β2和β3的灵敏系数分别是x1=1, x2=t, x3=t2，所以这个模型是线性模型。再举一个不是线性模型的例子，代数模型η=β1exp(β2t)，由此可以求出β1和β2的灵敏系数为： x1=exp(β2t)，x2=β1t exp(β3t) 式中含有参数，所以这个模型为非线性模型。 有些模型，根据量测值唯一地辨识出模型中的所有参数是不可能的，而仅仅可能辨识出参数的某种组合，下面讨论几种不能唯一辨识出所有参数的简单情形。 　二参数模型 η=(β1+Aβ2) f(t) (5-2) 　式(5-2)中的A是常数，f(t)是t的任意已知函数，在这种情形下，根据ti(i=1,2,…,n)处的模型输出ηi的量测值yi(i=1,2,…,n)，我们不能唯一辨识出β1，β2，这是因为 由式(5-4)可以看出，XTX为奇异矩阵，所以量测次数再多，也不能唯一辨识出β1和β2。在这种情形下，我们只能辨识出β1和β2的组合值β=β1+Aβ2。 　 以上结论是根据常规最小二乘法的结果(5-1)直接得到的，这种情形表明，在J，β1，β2空间中，J没有一个唯一的极小点，即沿β1Oβ2平面内的β=β1+Aβ2(β为已知值)的直线各点，J都达到相同的极小值(图5.1)。 　再考虑另一个二参数模型 η=(β1/β2)t (5-5) 利用常规最小二乘法，我们也不能唯一辨识出β1和β2，能辨识的只是β1与β2的比值β=β1/β2，即比值一定，但β1和β2有无穷多组解满足这个比值β。 在第三章中所讨论的模型  当地应力P0和弹性模量E作为要辨识的参数时，式(5-6)可化归为(5-5)形式的模型，这时根据位移的量测值不能唯一求出P0和E，而只能求出它们的比值。 式(5-2)和(5-5)表示的两个代数模型，其参数的可辨识性可明显地看出，我们再举一例，说明根据模型的原有形式不能明显地看出参数的可辨识性。今有三参数模型 η=β1/(β2+β3t) (5-7) 将式(5-7)等号右边的分子、分母同除以β1可得 η=(α1+α2t)-1，其中α1=β2/β1, α2=β3/β1 (5-8) 在此情形下，只有α1，α2能够辨识出来，而不能同时唯一地辨识出β1，β2和β3，若β1，β2，β3有一个为已知值，则可以唯一地辨识出其它两个。 以上讨论的模型都比较简单，若模型较复杂时，我们必须借助于参数可辨识条件，才能较方便地判断参数的可辨识性。 第三节　参数可辨识条件 　 根据准则函数极小的充要条件可导出参数可辨识条件： 如果在量测范围内，所有待求参数的灵敏系数是线性无关的，则根据量测值可以同时唯一地辨识出所有的参数；反之，如果参数的灵敏系数线性有关，那么则不能同时唯一地辨识出所有参数。 线性有关或线性无关根据下列公式判断： 式中，β1，β2，…，βm为要辨识的m个参数；n为量测数量，n≧ m；ηi为第i点的模型输出。 线性有关是指：对于i=1,2,…,n，至少存在一个不等于零的cj使式(5-9)成立；线性无关是指：对于i=1,2,…,n，只有所有的cj (j=1,2,…,m)都等于零时，式(5-9)才成立。 使用参数可辨识条件时，应注意以下几点： 1、此条件既适用线性模型的情形，也适用非线性模型的情形。 2、此条件是根据准则函数J=[Y-η(β)]TW[Y-η(β)]推出的，所以它不但适用于常规最小二乘法、加权最小二乘法及非线性最小二乘法，而且也适用于带有正态分布误差的最大似然估计。 3、对参数没有约束条件。 4、对于带有先验参数信息的贝叶斯估计，有时尽管灵敏系数是线性有关的，但是也有可能辨识出所有参数。 下面以简例说明参数可辨识条件的应用。 对于(5-2)所给的模型 η=(β1+Aβ2)f(t) (5-10) 有 由此可以看出，如果取c1=A, c2=-1，那么式(5-9)满足，即β1，β2的灵敏系数线性有关，故β1和β2根据量测值不能同时唯一地辨识出来，此时所能辨识出的