一、半参数回归模型在测量数据处理中的应用（论文文献综述）
刘道东[1]（2021）在《基于半参数模型汽车销量影响因素研究》文中进行了进一步梳理汽车产业作为我国重要的支柱型产业之一,在国民经济中起着举足轻重的作用。汽车不仅扩大了人们出游的半径、给人们的生活带来了方便与舒适,还影响着社会生产力的发展。我国在2001年加入WTO之后,入市的汽车产业经历了井喷式发展,汽车的总产销量从2002年的300万辆跨到了2019年的2576万辆。近些年来汽车产业的快速发展促使着很多汽车公司都在盲目的扩大产量,盲目的生产不仅会造成人力、物力等资源的浪费,甚至还可能动摇整个国民经济。为有效地解决汽车产量过剩问题,本文通过分析汽车销量影响因素,建立半参数回归模型对汽车销量进行预估,对我国汽车行业健康持续发展具有重大意义。首先,本文分析影响我国汽车销量的主要因素,选取了居民消费价格指数、消费者信心指数、钢产量、燃料均价以及私人汽车拥有量五大影响指标,通过格兰杰因果关系检验,定性的说明五大影响指标均是影响汽车销量的原因,再通过灰色关联分析计算灰色关联系数,定量的证明出五大影响指标与汽车销量的关联程度比较强,其中钢产量和燃料均价与汽车销量的关联程度最强。其次,本文利用2010年1月到2018年12月汽车销量以及五大影响指标的月度数据,进行描述性统计分析和正态性检验,通过相关系数矩阵和共曲线性矩阵预设出两个半参数回归模型,通过求解线性回归模型和非线性回归模型确定出模型的线性项和非参数项,然后对两个半参数回归模型的线性部分和非参数部分分别进行参数估计和非参数估计,得到预测汽车销量的两个半参数回归模型。最后,选取2019年1月至2020年7月（不包含2020年2月）的汽车销量相关数据作为测试集,用两个半参数回归模型分别对汽车销量作出预测,通过比较两个半参数回归模型的平均绝对误差、均方误差以及拟合优度,得出半参数回归模型2（居民消费价格指数和消费者信心指数放在同一个非参数项中）对汽车销量拟合效果相对比较好。
翟敏[2]（2020）在《病态模型的解算方法及其在短基线集InSAR形变反演中的应用研究》文中研究指明短基线集干涉合成孔径雷达（SBAS-InSAR,Small Baseline Subset Interferometric Synthetic Aperture Radar）是在差分干涉合成孔径雷达（D-InSAR,Differential Interferometric Synthetic Aperture Radar）基础上发展起来的一种干涉测量技术,继承了 D-InSAR大范围、全天候、实时快速的优点,同时减少了数据成本,提高了数据的应用效率,已成为目前监测地震、滑坡、泥石流等地质灾害的一项重要技术手段。然而在利用SBAS-InSAR监测地表形变的实际应用中发现,其形变模型的解算存在着病态问题,严重影响着形变信息反演结果的精度和可靠性。病态问题是观测模型受误差影响所产生的解不稳定问题,广泛存在于测量数据处理中且影响较大,一直是大地测量领域的研究热点。论文较为系统地回顾了当前国内外病态问题解算方法和SBAS-InSAR形变模型反演的研究现状,针对大地测量领域经典病态问题处理方法中存在的问题,结合SBAS-InSAR形变模型反演解算的实际情况,对有偏估计领域出现的新理论、新方法进行了分析、研究和改进。主要研究内容和创新点如下:（1）基于L曲线的谱修正迭代法在证明谱修正迭代法最终收敛于最小二乘估计的基础上,发现根据相邻迭代结果小于阈值的迭代终止条件无益于估计结果的优选,为此提出基于L曲线的谱修正迭代法,即通过绘制迭代过程L曲线,从而确定估值稳定且残差较小的谱修正迭代估值。通过数值算例和SBAS-InSAR形变模型反演实验,验证了基于L曲线的谱修正迭代法对病态问题的改善程度优于经典谱修正方法;实验也表明谱修正迭代法及其改进方法能改善最小二乘估计结果,但不能一致优于岭估计方法,而其与阻尼最小二乘存在的联系使其在病态估计问题中仍有一定的研究价值。（2）基于最小均方误差奇异值修正的正则化方法正则化方法通过对病态问题附加约束条件,将病态问题转换为病态性较弱或者良性问题进行解算,其关键是正则化参数与正则化矩阵的确定。现有方法中利用较小奇异值的右奇异向量构造的正则化矩阵,通过奇异值修正降低估计方差并减少偏差的引入,但该方法存在较小奇异值判定标准不明确的问题,为此提出了基于均方误差最小的原则确定满足估计结果最优的较小奇异值分界值的新方法。通过数值算例和SBAS-InSAR形变模型反演实验,证明了较小奇异值判定标准的改变会影响病态问题的改善程度,基于最小均方误差奇异值修正的正则化方法具有更严密的理论依据,且病态估计结果更加稳定可靠。（3）基于指数函数奇异值修正的正则化方法正则化方法中增加的稳定泛函通常定义为非负定的正则化矩阵,但现有方法构造的正则化矩阵常以奇异值有选择性的修正为目标,往往忽略了矩阵非负定的特性。为满足正则化矩阵非负定的要求,提出一种基于指数函数奇异值修正的正则化方法。该方法以正则化参数修正后的各估计参数的标准差分量作为变量,通过有选择性地修正奇异值,实现对较小奇异值的重点修正,减少对较大奇异值的修正程度。通过数值算例和SBAS-InSAR形变模型反演实验,验证了基于指数函数奇异值修正的正则化方法的有效性,且估计结果优于岭估计结果。（4）Liu型估计最优参数d的取值方法Liu型估计通过在参数估计过程中引入双参数α和d,利用参数α降低系数矩阵病态性,并利用参数d提高估计结果的拟合性质,因此Liu型估计中参数的最优取值对提高估计结果的精度至关重要。基于均方误差最小原则确定参数d取值时,一般需要较为准确的估值和单位权中误差,但受病态问题影响的最小二乘估值已严重失真。为此,提出了一种参数d的迭代优化方法,即通过迭代计算消除估计初值对参数d取值的影响,并通过严密的理论推导证明了迭代方法的收敛性。通过数值算例和SBAS-InSAR形变模型反演实验,证明了迭代计算可以实现参数d的优化取值和估计结果的渐次修正。（5）Liu型估计最优参数α的取值方法Liu型估计中参数α的取值一般是由条件数判断病态程度的经验公式确定的,即认为条件数小于100的估计问题的病态性较低,据此调整参数α的取值使系数矩阵的条件数为100。但根据经验公式确定参数α取值的方法不具备严密的理论依据,对病态问题的改善程度具有很大的不确定性。为此,提出参数α的L曲线优选方法,通过在一定范围内解算不同参数α取值下的估计结果并绘制L曲线,确定估值稳定且残差较小的L曲线拐点,从而得到参数α的最优取值及最优估计结果。通过数值算例和SBAS-InSAR形变模型反演实验,证明了基于L曲线的最优参数α的取值方法的有效性。
张启斌[3]（2020）在《基于GPS数据的环渤海地区地壳弹塑性形变模型构建及应用》文中进行了进一步梳理地壳运动及形变所产生的运动过程及引起形变的具体原因是目前地球动力学研究的热点课题。近年来,空间大地测量技术的迅速发展和完善,为众多学者开展地壳运动及形变研究提供新途径,尤其在板块内部形变和板块之间相互运动等方面进展显着,但这些研究大多延续传统的地球物理方法,导致目前研究中缺乏系统性的约束。本文在考虑传统地壳运动刚体模型难以顾及板块内部形变的局限性基础上,针对目前已有的地壳运动模型在研究板块运动及形变的假设过强问题,提出两种基于数学方法精化后的弹塑性模型。根据地壳运动的客观物理机制,采用模型补偿思想,利用不同的数学方法对板块内部形变进行描述。依托中国大陆构造环境监测网络（CMONOC）在环渤海区域的2009-2015年GPS观测资料,构建环渤海地区地壳运动及形变弹塑性运动模型,对环渤海地区各主要板块运动情况进行相关分析。具体研究内容包括:（1）对传统刚体地壳运动模型的研究原理进行详细阐述,分析该模型在研究地壳运动及形变过程中存在的局限性;论述了基于地球物理资料与空间大地测量观测资料建立地壳运动模型的理论与方法。挖掘利用空间大地测量观测资料研究地壳运动及形变存在的主要问题。（2）鉴于传统刚体地壳运动模型的不足,将板块内部偏离整体旋转的部分视为均匀应变和线性应变,从而构建两种弹性运动模型,分别为块体整体旋转与均匀应变模型（REHSM）以及块体的旋转与线性应变模型（RELSM）。依靠CMONOC观测资料,建立环渤海地区的弹塑性运动模型,解算环渤海地区各主要板块的欧拉运动参数和相关应变参数;定量计算三种模型的拟合速率残差值,对比分析这三种模型的拟合精度,探讨三种模型在环渤海地区地壳形变研究中的适用性,研究结果表明,两种弹塑性地壳运动模型在拟合速率残差上整体上无明显差异,但都优于传统的刚体运动模型。（3）REHSM顾及了板块内部形变,其假设板块内偏离整体运动趋势的部分属于均匀应变,因地质构造条件的复杂性和板块内部形变的随机性,很难准确地对板块内部形变进行定量描述。依据最小二乘配置理论,将板块内偏离整体运动趋势的部分视为信号,选取高斯指数函数,建立最小二乘配置法优化的整体旋转与均匀应变模型（LSCREHSM）,利用优化后的模型与前两种弹塑性运动模型构建环渤海地区运动模型,求解三种模型在各主要板块的欧拉运动参数和拟合速率残差。结果表明,优化后的模型拟合精度更高,能够更加准确地描述环渤海地区的地壳运动状态。（4）REHSM、RELSM模型在模型构建时都存在很强的假设性,很难在地质构造复杂的区域得以适用。因此,提出半参数地壳弹塑性运动模型,采用半参数理论中的“非参数”对板块内偏离整体运动趋势的部分进行定量描述,建立半参数地壳弹塑性运动模型,并以中国大陆各主要板块GPS观测资料验证模型的正确性。最后进一步建立环渤海地区的弹塑性运动模型,并与基于最小二乘配置法优化的块体整体旋转与均匀应变模型进行综合对比分析,半探讨基于最小二乘配置法优化的均匀应变模型与半参数模型之间的一致性及其差异。结果表明,半参数弹塑性运动模型在拟合速率残差上明显优于前者。
范成成[4]（2020）在《顾及先验信息的地壳形变分析模型研究》文中研究表明本文针对现有的地壳运动模型在描述区域地壳形变时,忽略了地壳运动的地球物理实际,未充分利用某些先验信息进行建模分析,致使地壳形变分析结果与实际差异较大的问题,基于地壳运动理论、不等式约束平差理论、半参数模型及最小二乘配置等理论,建立了几种顾及先验信息的地壳形变分析模型,并利用中国大陆地壳运动观测网络近几年在环渤海区域的GPS监测数据及中国大陆主要块体的GPS速度场数据,研究了异常测站的检测及剔除方法、两种弹性地壳运动模型建模机制及存在的问题、如何利用最小二乘配置和半参数模型精化已有弹性地壳运动模型以及利用先验信息建立附有约束的地壳形变分析模型等,研究结果表明,本文模型均较好地改进了传统的地壳弹性形变分析模型。具体研究内容包括:1、论述了研究地壳形变分析模型的重要性,梳理了地质与地球物理方法和现代空间大地测量两种技术系统在地壳形变分析领域的研究进展,分析了现代空间大地测量技术在地壳运动领域取得的主要成果及存在的问题;2、建立了川滇块体的刚性运动模型（RM）、整体旋转与均匀应变模型（REHSM）和整体旋转与线性应变模型（RELSM）。研究结果表明,REHSM和RELSM模型由于顾及了板内形变,对GPS速度场数据的拟合精度均明显高于传统的RM模型,且RELSM结果优于REHSM,其原因是前者假定板内应变随位置呈“线性”变化比后者假定板内形变呈“均匀”变化更符合实际。3、提出一种基于均值漂移模型对块体异常测站筛选的方法。针对以往测站筛选时大多简单采用残差标准差的验后估计与残差比较是否超过某一限值来判别异常测站做法不具备检测粗差的能力,且易受局部构造运动影响。针对异常测站剔除充分的问题,提出利用均值漂移模型对异常测站进行剔除,并与拟准检定法及传统基于残差标准差的简单LS估计检测法进行比较,对“中国大陆构造环境监测网络”在环渤海区域的近几期GPS观测的速度场数据进行拟合分析结果表明,通过均值漂移量求解的迭代过程,不仅能起到抗差测站筛选的作用,而且与拟准检定法相比,还能避免“拟准观测”选择不准确造成的影响而获得更高速度场拟合精度。4、针对REHSM和RELSM对板内形变的“均匀”和“线性”假设一般很难满足的问题,尝试用“信号”和“非参数”描述偏离REHSM模型的不规则形变,建立针对REHSM的改进的地壳形变分析的最小二乘配置模型（LSC-REHSM）和半参数模型（SPM-REHSM）。对喜马拉雅块体和天山块体GPS速度场数据的拟合分析结果表明,两种模型都有效改进了REHSM,且LSCREHSM结果略优于SPM-REHSM。5、提出一种顾及先验信息的附有不等式约束的整体旋转和线性应变模型（IC-RELSM）。尽管利用最小二乘配置和半参数模型优化的REHSM模型很大程度上提高了数据的拟合精度,但二者均忽略了板块运动中块体整体运动趋势的平滑性。针对这一问题,借鉴“选权拟合”思想,提出对区域地壳运动的整体旋转和线性应变模型中欧拉矢量部分附加不等式约束,将区域地壳运动的欧拉参数约束到由多年观测资料确定的平均欧拉参数值附近,建立附有不等式约束的整体旋转和线性应变模型（IC-RELSM）。对环渤海区域的GPS监测数据进行拟合分析,结果表明,新模型不仅保持了RELSM的优良性,还可以一定程度的抑制异常测站对拟合结果的影响。
刘宁[5]（2020）在《水下声速改正算法与精密定位方法研究》文中研究表明海洋是一个巨大的资源宝库,但是还没有得到充分的开发,随着陆地各种资源的逐渐枯竭,海洋资源变得日益重要,我国在十八大报告中就提出了建设海洋强国的目标。然而,现有国家空间基准和重力基准未能有效覆盖海洋,海洋大地测量基准和海洋导航技术已严重滞后于国家社会经济发展新形势和国防战略需要。根据人们对水下定位技术的迫切需要,本文在国家重点研发计划“海洋大地测量基准与海洋导航新技术”课题的支撑下,对水下定位技术中的一些关键技术问题展开了研究,总结如下:1.归纳总结了水下定位技术、声速改正模型以及水下定位模型算法的国内外研究现状,介绍了水下常用的几种定位系统,并分析了各种系统的优缺点以及它们的适用条件。详细阐述了水下声学定位中的各类误差源,以及误差的形成原理,为后面声学误差的削弱甚至消除奠定基础。2.水下导航中最重要的误差源是声速误差,定位中需要对声速进行改正,因此,研究了水下声学定位中的声速改正算法。首先,介绍了常用的几种声速改正方法,在此基础上进行算法改进。其次,采用一种自适应分层方法对声速剖面数据进行合理抽稀,以保留信息量多的声速层,接着提出了一种改进的声线跟踪算法,该方法利用声线沿弧线传播原理,积分计算声速传播时间,通过迭代方法求解目标位置。最后,通过仿真数据对算法进行验证,得到以下结论:与传统分层等梯度声线修正算法相比,自适应分层声线跟踪改进算法在保证定位精度条件下,定位效率得到显着提高。3.针对水下定位中系统误差的控制难题,把半参数模型估计方法应用到水下声学定位数据处理中。首先,阐述了半参数补偿最小二乘估计方法,其次,介绍了半参数模型中平滑因子和正规矩阵的选取方法。最后,通过仿真算例和实测数据验证了半参数模型在水下定位中的有效性。结果显示,在水下声学定位中,半参数模型相当于每一个历元上添加一个系统误差参数,通过补偿最小二乘和正则化算法,求解出系统误差,既解决了参数过多导致法方程病态的问题,也削弱了系统误差的影响,提高了水下声学定位的精度。4.水下声学定位中不可避免地存在粗差,传统最小二乘方法不具备抗差性,针对这一问题,把抗差估计应用到水下声学定位中。首先介绍了一些常见的权函数,通过模拟走航式算例分析得到:不同粗差大小的情况下,IGGIII具有良好的抗差效果。随后把IGGIII与浮标差分定位和半参数模型结合起来,得到基于IGGIII抗差估计的浮标差分定位方法和基于IGGIII抗差估计的半参数模型定位方法,模拟算例表明,基于IGGIII抗差估计的浮标式差分定位方法,在通过差分算法削弱系统误差影响的同时,也具有较好的抗差性,有效控制异常误差影响,显着提高了定位精度;基于IGGIII的半参数模型定位方法可以同时处理系统误差和粗差,与经典半参数补偿最小二乘估计方法相比,新方法具有更广泛的适应性。
张慧敏[6]（2019）在《基于联合模型的纵向和生存数据统计方法探讨》文中进行了进一步梳理目的:在医学研究中,许多研究在收集生存数据时,会同时采集随时间变化的纵向数据。一般采用混合效应模型分析纵向数据在时间上的轨迹变化,采用Cox比例风险模型或参数模型分析生存数据的影响因素。但纵向数据和生存数据之间往往存在相关性,单独分析可能会导致模型回归系数或标准误的偏差。本研究旨在以临床试验中收集到的Ⅱ、Ⅲ期胃癌患者手术后接受不同处理措施的复发转移或死亡数据为例,同时考虑不同时点的生存质量,应用联合模型研究对两种不同数据进行整合分析。方法:资料来源于9家医院483例Ⅱ、Ⅲ期胃癌患者,对照组为放化疗,试验组为化放疗结合中药汤剂,主要指标为无进展生存期。最长随访时间为9.39年,中位随访时间为4.64年,于0、3、6、9、12、15、18周共7个时间点测量欧洲癌症研究与治疗组织生命质量测评量表。首先利用纵向数据的混合效应模型分析总健康状况评分随时间上的变化,再利用Cox回归与参数回归方法分析无病生存期的影响因素,最后根据混合模型的影响因素与生存分析的影响因素构建联合模型。本研究利用SAS 9.4软件及R 3.5.2统计软件对数据进行处理及分析。结果:主要结果如下:（1）混合效应模型结果对于结构协方差阵的选择中,利用BIC最小的原则将水平1与水平2的协方差矩阵定为非结构化协方差阵。在混合效应模型中,组别与时间的交互作用无统计学意义（P=0.9995）。最终混合效应模型中,考虑的随机效应为截距与随访时间,固定效应为年龄、组别、时间、时间*时间、胃癌分期,对应的回归系数分别为:-0.084、-5.716、0.513、-0.009及-1.982（IIIa与II）、-2.038（IIIb与II）。水平1上随机效应的相关系数矩阵看,绝大多数的相关系数大于0.3。水平2的截距与时间的随机效应相关系数为-0.6573。（2）生存分析结果Cox回归模型结果表明:试验组与对照组相比,肿瘤复发转移的风险比及95%CI为0.678（0.517,0.888）;IIIa期与II期为2.001（1.342,2.982）,IIIb期与II期为1.541（0.898,2.646）;淋巴结节阳性分级N1期与N0期为1.208（0.761,1.917）,N2期与N0期为2.062（1.121,3.792）。由Kaplan-Meier曲线、log[-logS（t）]曲线及时协变量法可知,组别、肿瘤淋巴结节阳性分级、肿瘤分期满足Cox比例风险模型的PH假定。参数回归法（指数模型、威布尔模型及对数正态）三个结果较为相似,但对数正态的BIC指数最小。其回归系数与Cox回归模型相差不大。（3）联合模型考虑纵向数据的影响因素为年龄、组别、时间、时间*时间、胃癌分期,生存数据的影响因素为组别,肿瘤分期及淋巴转移三个因素,构建四种联合模型分析进行分析,根据BIC最小得到,联合模型中生存子模型为Cox比例风险模型的模型最优。纵向子模型,年龄、组别、时间、时间*时间、胃癌分期的系数为-0.118、-3.594、0.499、-0.010及-1.294（IIIa与II）、-1.124（IIIb与II）。生存子模型的组别风险比及95%CI为0.674（0.524,0.867）;IIIa期与II期为1.921（1.312,2.814）,IIIb期与II期为1.508（0.892,2.549）;淋巴结节阳性分级N1期与N0期为1.182（0.815,1.716）,N2期与N0期为2.014（1.161,3.495）。联合模型中建立的纵向协变量4)（）与风险事件的关系参数α为-0.0016（P<0.05）,风险比及95%CI为0.998（0.997,1.000）。结论:对于纵向分析,混合模型较好地处理了缺失值问题,同时考虑了纵向轨迹的变化,本研究中,总健康情况评分随时间呈现非线性的变化,且基线评分与变化趋势呈现负相关。本数据的Cox回归模型与参数回归模型结果较为相似。利用联合模型较好地处理了纵向测量过程和风险之间存在的关联性,联合建模能有效地分析数据、充分地利用信息。
马卫骄[7]（2019）在《半参数模型在测量数据处理中的应用》文中提出近年来,半参数模型作为发展于二十世纪八十年代用于参数研究的重要统计模型在许多领域得到了广泛应用,因此相关学者将半参数模型引入测量平差的数据处理中。当观测值中存在无法消除的模型误差时,模型误差既无法与观测值建立函数关系,也不能将其归入参数模型误差项或采用非参数模型处理。半参数模型在平差模型中将这种模型误差采用非参数向量表示,使平差模型兼顾参数模型与非参数模型的特点。因此在处理模型误差不可忽略的测量数据时,半参数模型在数学模型方面更加贴近实际问题,在数值求解方面可以同时求解模型误差与偶然误差。本文针对半参数模型的基本理论和在测量数据处理中的应用,主要进行了如下研究:1.针对测量数据中存在模型误差无法忽略的问题,引入半参数模型基本理论。基于补偿最小二乘准则构建半参数模型法方程求解参数向量与非参数向量,并给出了半参数模型统计假设检验;在构建法方程的过程中,正则矩阵R与正则化参数α的选取是求取最优估值的关键步骤,本文归纳了正则矩阵R与正则化参数α的选取方法,并以黄金分割法为例研究了计算最优正则化参数的方法。2.针对半参数模型误差方程的法方程系数矩阵奇异的问题,引入广义补偿最小二乘估计准则与岭估计准则;由于两种准则在半参数模型中等价,因此直接研究了半参数岭估计准则并归纳了岭参数的选取方法;最后,以广义补偿最小二乘估计准则构建半参数模型法方程,根据法方程系数矩阵病态的原因分别求解半参数模型中参数向量与非参数向量。3.针对平差模型含有粗差数据时,补偿最小二乘估计准则与半参数岭估计准则不具备抗差性的问题,引入抗差估计理论并讨论了半参数模型的抗差估计。基于半参数模型抗差估计准则求解半参数模型抗差估计的参数与非参数估值;同时,考虑到残差初值对抗差估计迭代过程的影响,本文建立了一次范数最小法与半参数模型抗差估计的联合抗差方案,并总结了半参数模型抗差估计的迭代流程。4.针对半参数模型的理论,本文采用了模拟数据和实测数据验证半参数模型在数据处理中的有效性与优越性。对模拟数据的参数求取和矿区地表沉降实测数据建立半参数灰色Verhulst模型分别设计不同计算方案计算。实验结果表明:当观测量中模型误差不可忽略时,半参数模型的计算结果优于参数模型。
李培志[8]（2019）在《支持向量机模型的优化及其应用研究》文中进行了进一步梳理近年来随着互联网技术的飞速发展以及社会的不断进步,机器学习这一门人工智能科学在社会生产、科学研究及日常生活中占据着愈发重要的作用。作为机器学习中的经典算法,支持向量机（Support Vector Machine,SVM）基于其在小样本、非线性及高维模式识别中的特有优势而得到了快速的发展。目前国内外学者对支持向量机进行了许多有益的探索和研究,并将其成功应用于包括生物信息学、文本识别和天气预报等领域在内的生产生活各个方面。然而,没有一个模型可以在所有情况下都表现良好,单一的支持向量机仍然存在着局限性,如存在缺失值时效果欠佳、参数确定没有具体的标准以及面对复杂数据时表现不理想等,这些问题会对模型效果带来不利影响。基于这一背景,本文对支持向量机进行改进并提出若干基于支持向量机的优化模型。优化形式可以分为三类:数据结构优化、参数优化以及组合优化。对于数据结构优化,本文使用分解集成策略来选择合适的数据训练支持向量机,以改善支持向量机对复杂数据效果欠佳的问题;对于参数优化模型,本文提出基于最优化算法的模型来处理支持向量机参数选择问题;组合优化模型又可分为方法组合优化和模型组合优化,其中方法组合优化是对包含支持向量机在内的统计方法的结果进行组合,改善单一方法不能在各种情境下都表现最优的状况,而对于模型组合优化,本文尝试将支持向量机与治愈模型相结合,来解决传统治愈模型在非线性条件下估计效果欠佳的问题。为了检验不同优化方法的效果,分别将各优化模型应用于实际数据中进行实验。选择优化的原则与所应用的实际背景有关,即根据具体数据特点来构建相应的优化模型,并分别应用于大气污染治理、文化产业管理、能源经济及生存分析等。对大气污染治理来说,由于污染物时间序列包含了不同周期的子序列,如季节性波动、短期天气变化等,使得数据结构比较复杂,这时就需要使用数据结构优化,首先将不同周期的子序列分离,再分别进行预测。对文化产业管理来说,由于一部电影受到制作成本、电影类型、明星影响力等诸多因素的影响,每个电影都具有各自的独特性,这时就需要考虑使用参数优化方法选择具有更好参数的支持向量机进行建模。在能源经济领域,本文所使用的数据样本量较大,且不同地区的数据特点不同,没有一个单一模型可以在各地区各季节都表现良好,这时就应该考虑使用方法组合优化模型。对于生存分析中的治愈模型来说,其治愈率部分使用Logistic回归。但是随着研究的发展,许多协变量与治愈概率的关系并不符合Logistic函数的形式,而是存在一些其他复杂的关系,因此,考虑使用模型组合优化构建新型治愈模型。全文共分为六个部分,其主要研究内容及结论如下:第一章介绍本文的选题依据、研究意义、研究思路与主要内容以及主要创新与不足。第二章提出优化支持向量机的概念,将讨论支持向量机的原理与特点及目前关于优化支持向量机的研究现状及局限性。第三章分析支持向量机的数据结构优化及应用。给出KZ滤波及改进方法的原理与特点,并介绍与支持向量机相结合的优化模型。在实验中首先分析大气污染治理的研究背景,使用改进KZ滤波分析大连市的污染数据,并挑选中国四座城市的污染数据综合评估优化模型的预测效果。结果显示,分解集成策略可以很好地实现数据结构优化。污染物冬季的长期分量达到峰值,而夏季的长期分量保持相对较低水平,其中季节性分量和短期分量在冬季表现出较大的波动。从方差贡献率结果可以看出,季节性成分对原始序列的贡献最大,其次是短期和长期成分。预测结果表明,数据结构优化模型具有较好的预测效果和拟合精度,并在存在噪声的情况下仍然表现良好。第四章探讨支持向量机的参数优化及应用。首先介绍帝国竞争算法及用该算法优化的支持向量机,接下来使用电影票房数据检验优化模型的效果。在实验中首先选择最适合的训练集大小,其次将优化模型应用于首映周票房预测,并与常用模型进行比较。结果显示,当最优训练集为20,预测模型为所提出的参数优化模型时,预测效果优于其他对比模型,此时预测的MAPE值约为15%。通过列出22部测试电影的票房预测值和真实值,发现大部分情况下预测值都非常接近真实值。模型对比结果也证明了优化模型的有效性。第五章对支持向量机的组合优化及应用进行描述。首先论述组合预测和治愈模型的原理和特点,接下来通过对方法组合优化模型在能源经济中的应用和模型组合优化在生存分析研究中的应用分别论证两个组合优化模型的效果。方法组合优化的结果表明,当训练集为一个月的数据,测试集为一周的数据时,预测性能最好且最稳定。与常用模型的比较表明,支持向量机与ARIMA和BPNN具有同一水平的预测精度。因此,引入三个模型构造方法组合优化模型。预测结果表明,该组合优化模型性能优于组合优化模型中的任何一个单一方法,并优于近些年由学者提出的部分预测模型。模型组合优化的数值模拟结果表明,所提出的半参数模型在估计协变量的未治愈概率方面与现有的治愈模型相比有更好的性能。当潜在的发病率结构不能用Logistic模型近似时,所提出的治愈模型的均方误差和错分类率均小于现有的模型,这表明所提出的优化模型在发病率部分具有更好的校准和判别表现。真实数据结果说明,两个模型估计的潜伏期结果相似,而优化模型估计的未治愈率可以提供比传统模型更多的信息。第六章对各优化方法的适用性进行讨论,对全文进行总结,并对未来研究方向进行展望。本文的主要创新点如下:（1）在数据结构优化方面,传统的KZ滤波由于滑动平均的作用,在每次过滤后都会损失部分首尾数据,而缺失数据对于构建预测模型至关重要。基于此,本文对KZ滤波进行改进,提出两种新型滤波方法,并利用分解集成策略和支持向量机对数据结构进行优化。（2）在参数优化方面,本文首次尝试将百度指数与支持向量机结合起来以构建复合预测模型。由于不同电影的百度指数相差很大,本文还选择参数优化方法对支持向量机中的参数进行优化。（3）在方法组合优化方面,由于不同时间不同地区风速的数据结构差异很大,没有一个模型可以在所有情况下都表现良好,因此本文并没有去研究效果优良的单一模型,而是尝试使用组合预测的方法,对包括支持向量机在内的常用统计预测模型进行比较,选择效果较好的模型构建方法组合优化模型。（4）在模型组合优化方面,本文首次将支持向量机与治愈模型相结合得到一种新型的治愈模型。在该模型中,由于支持向量机在小样本和非线性模式识别中具有独特优势,使得其可以在治愈率部分为非Logistic函数下仍具有较高的识别效果。本文所提出的优化模型同时具有较强的理论与实际意义。在理论上,本文选择数据结构优化、参数优化以及组合优化来克服单一支持向量机的不足,简化训练数据结构,提高模型整体效果。此外,本文提出的优化模型能够从理论上弥补现有模型的不足,具有较强的泛化能力。同时,这些优化模型也具有很重要的实际意义。对比较灵活的机器学习模型来说,根据其结果可以提前研判出所研究事物未来的发展态势;而对传统统计模型来说,根据其结果可以识别出协变量的效应并对具有一组协变量值的个体进行预测,这些结果可以为管理部门和政策制定者提供决策依据。在本文中,将这些优化模型分别应用于风速预测、大气污染预警、电影票房预测和生存分析中,证明其在不同领域的良好效果。本文的不足之处如下:（1）对预测模型来说,由于所选择的数据都是一定范围内的数据,故可能存在抽样偏差。今后可以尝试在更大数据集下进一步测试优化模型的综合性能,并与其他预测模型进行比较。（2）对治愈模型来说,本研究没有对治愈模型的潜伏期部分进行改进。理论上说,支持向量机所具有的特点可以在潜伏期部分对病人的生存函数进行拟合,并可能取得优于比例风险模型或加速失效时间模型的效果。此外,在今后的研究中可以测试新治愈模型在高维数据情况下的性能。
唐坤[9]（2019）在《数据驱动的城市路网行程时间估计与预测方法研究》文中指出随着城镇化进程的推进,我国城市道路交通系统的运行状况日益恶化,不仅损害了交通参与者的出行效率,而且造成了日益严重的环境污染,极大了损害了人们在城市中的生活品质。为了解决这些问题,城市路网中全面、准确的道路交通信息至关重要。作为一种极为重要的交通基础信息,行程时间最能直接反应道路交通的运行状态,受到了人们的广泛关注。准确、可靠的城市路网行程时间是智能交通系统（Intelligent Transportation System,ITS）的重要基础,在城市交通规划、交通运输管理的各个方面都发挥着极为重要的作用,对提高交通系统运行效率、缓解城市交通拥堵具有重要的指导意义。然而,由于城市交通系统的复杂性,城市路网中的行程时间受到内在与外在因素的综合影响,具有显着的内在不确定性,城市路网行程时间的准确估计与预测是一项极具挑战性的任务。随着信息技术与智能交通系统的发展,交通数据的采集方式日益丰富,交通已经从一个数据匮乏的时期进入到大数据时代。日益剧增的海量数据蕴含了大量的信息与知识,为城市路网中复杂交通问题的解决提供了更多可能的途径。如何从海量的数据中挖掘知识,以此对城市路网的行程时间进行准确地估计与预测是交通研究的热点与难点。顺应这种趋势,本文以城市路网行程时间为研究对象,从数据的角度出发,在海量数据分析的基础上,对大数据环境下数据驱动的城市路网行程时间估计与预测方法进行研究,以此提高行程时间估计与预测方法的有效性与准确性,为提高城市交通系统运行效率、缓解城市交通拥堵提供有效的数据支撑,具有重要的理论价值与实践意义。针对上述研究目标,本文主要的研究工作及创新之处体现在以下几个方面。（1）海量稀疏GPS数据处理方法基于出租车的浮动车GPS数据通常具有规模大、数据稀疏等特点,并且数据的质量容易受到外界因素的影响。为了解决上述问题,本文对基于海量稀疏GPS轨迹数据的行程时间提取处理方法进行了深入研究与改进。针对GPS数据可能存在的数据误差,从采样时间间隔、瞬时行驶速度、车辆停留时间、空间位置漂移等多个角度提出了相应的数据预处理措施,以此提升数据的质量。为了从稀疏的GPS数据中获取行程时间,对基于GPS数据的行程时间提取处理方法进行了研究与改进,包括GPS数据地图匹配、稀疏数据路径推导与路径行程时间分配。为了获得更好的GPS数据地图映射结果,采用了一种基于隐马尔科夫模型HMM的地图映射方法。在此基础上,利用改进的局部区域Dijkstra最短路径搜索算法对稀疏GPS数据点之间的车辆行驶路径进行推导与重构。最后,利用Hellinga算法将GPS数据点之间的路径行程时间分配至构成该路径的所有路段上。通过上述数据处理方法,能够实现基于GPS轨迹数据的行程时间提取,为后续的行程时间估计与预测研究提供了数据基础。（2）基于稀疏GPS大数据的城市路网行程时间估计方法基于GPS数据的城市路网行程时间分析存在多个方面的挑战,包括GPS数据稀疏、交通状态波动、网络级建模困难等。针对上述问题,本文引入张量建模的思想,提出了一种基于稀疏GPS大数据的城市路网行程时间估计模型。该模型是一种数据驱动的时空关系模型,由地图匹配、路网行程时间建模,概率行程时间聚类以及基于张量分解的行程时间估计四个主要部分构成,不仅考虑了行程时间在不同路段上的空间相关性,而且考虑了不同交通状态下行程时间的差异性,同时还考虑了行程时间在当前时间段内的细粒度时间相关性以及行程时间在当前时间段内与历史行程时间内之间的粗粒度时间相关性。以海量出租车GPS轨迹数据为基础,在北京城市路网中进行实例研究的结果表明,新模型不仅能够获得当前时间段内路网中不同路段在不同交通状态下的行程时间,而且能够获得路段上对应交通状态的发生概率。与其他方法相比,新模型不仅能够对更多的缺失行程时间进行估计,而且能够获得更高的行程时间估计精度,同时具有对模型参数较好的鲁棒性。（3）基于贝叶斯概率张量分解的城市路网行程时间估计方法针对复杂城市交通环境下行程时间的不确定性与驾驶员之间的差异性等问题,本文引入概率建模的思想,提出了一种基于贝叶斯概率张量分解的城市路网行程时间估计方法。该方法将不同时间段内不同驾驶员在路网中不同路段上的行程时间构建为三阶张量。考虑到城市路网中道路上行程时间的不确定性,该方法在概率建模的基础上,将张量中的每个元素构建为一个服从对数正态分布的随机变量。通过完全贝叶斯处理,该方法能够实现模型超参数的自动调优与模型复杂度的自动控制,有效地避免了模型在使用大规模稀疏数据情况下容易出现的过拟合问题。提出的新方法是一种上下文感知的时空关系模型,不仅考虑了行程时间在不同路段上的空间相关性,而且考虑了不同驾驶员行程时间之间的差异性,同时还考虑了行程时间在相邻时间段内的细粒度时间相关性以及行程时间在当前时间段内与历史时间段内的粗粒度时间相关性。基于海量GPS数据的实际案例研究结果表明,该方法能够在不产生过拟合的基础上,以较高的精度对路网中的行程时间进行估计,估计精度对模型参数的初始化不敏感,具有较好的模型鲁棒性。（4）基于深度学习的城市路网行程时间预测方法针对现有行程时间预测方法存在的浅层模型表达能力有限、缺乏对环境特征的考虑等问题,本文提出了一种融合环境信息的城市网络级行程时间预测深度学习模型。该方法以提取的道路特征、环境特征、时间相关特征与空间相关特征等行程时间影响因素数据为基础,将行程时间预测问题建模为一个数据驱动的机器学习问题。以稀疏降噪自动编码器为基本元件构建了一个深度网络,以此对城市路网中高度复杂的行程时间进行更好地描述。为了对深度网络进行有效地学习,以贪婪学习为基础设计了一种逐层预训练的半监督深度网络训练方法。提出的新模型是一种深度学习模型,不仅考虑了路段特性与周边环境对行程时间的影响,而且考虑了行程时间在不同路段上的空间相关性与在不同时间段内的时间相关性,能够对大量无标签数据中包含的信息进行充分提取与利用,以一种无监督的方式逐层自适应地学习用于行程时间预测的特征,对交通中复杂的非线性现象具有强大的建模能力。以北京城市路网为例进行研究的实验结果表明,提出的深度网络能够从海量噪声数据中充分提取与利用有用信息,以较高的精度对行程时间进行预测,具有较好的模型稳定性与扩展性,与其他方法相比具有一定的优势。
冯佳琪[10]（2019）在《利用半参数模型提高含有多路径误差的基线的解算精度》文中研究指明高精度的卫星导航定位往往可以使用双差法来减弱或是消除观测数据中的大部分误差。然而,因为参考站和流动站之间观测环境不同,即使对于短基线而言,双差法也无法削弱卫星观测数据因多路径效应而产生的误差,甚至可能放大其对基线解算的影响。伪距和载波相位中的多路径误差会降低模糊度浮点解的精度,干扰整周模糊度固定,加大向量结果偏差等等。为了解决这些问题,本文提出利用半参数回归模型削弱多路径误差,提高基线向量的解算精度。实验结果表明,与普通最小二乘法相比,在静态基线解算和单历元基线解算中应用半参数回归模型可以有效降低多路径效应的影响。本文的主要研究内容包括:1)数据采集。分析多路径误差的产生原理,据此设计测量实验,采集包含多路径误差的GNSS短基线观测数据。2)基于半参数回归模型的静态基线解算。采用最小二乘模型和半参数模型处理所采集的含差数据,通过对比残差分布与解算结果的精度,证明半参数模型的优越性。针对半参数模型的核心问题——寻找合适的正则化矩阵和正则化参数,本文尝试使用时间序列法确定正则化矩阵,使用曲线法、广义交叉核实法（GCV）和最小均方误差（MSE）法确定正则化参数并分析几种方法对于结果精度的影响。实验结果表明,在静态基线解算中,半参数模型可以有效减少多路径误差,并将坐标精度控制在毫米级。3)基于半参数回归模型的单历元基线解算。为避免法方程出现秩亏现象,本文组建P码伪距方程、宽巷载波相位观测方程和1载波相位观测方程进行单历元基线解算,同时考虑到单历元模型仅依靠常规LAMBDA法固定整周模糊度的成功率较低,选择结合部分搜索法固定整周模糊度。在此基础上,模型所需的正则化组合由三种不同的方案确定。通过对比半参数模型与最小二乘模型的解算结果,可以证明半参数模型能够将大部分历元的精度控制在1.5cm及以下,更适于处理多路径误差。
二、半参数回归模型在测量数据处理中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、半参数回归模型在测量数据处理中的应用（论文提纲范文）
（1）基于半参数模型汽车销量影响因素研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 国外文献综述 |
| 1.2.2 国内文献综述 |
| 1.3 研究内容、结构与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 1.3.3 技术路线 |
| 1.4 论文创新点及不足 |
| 1.4.1 创新点 |
| 1.4.2 不足之处 |
| 第2章 汽车产业及影响汽车销量因素分析 |
| 2.1 国内汽车市场定义与特点 |
| 2.1.1 国内汽车市场定义 |
| 2.1.2 国内汽车市场特点 |
| 2.2 国内汽车市场的发展 |
| 2.3 汽车市场政策 |
| 2.4 影响我国汽车销量的因素 |
| 2.4.1 影响汽车销量的经济因素 |
| 2.4.2 影响汽车销量的价格因素 |
| 2.4.3 影响汽车销量的原料供应因素 |
| 2.4.4 影响汽车销量的政策因素 |
| 2.5 本章小结 |
| 第3章 半参数模型及估计方法 |
| 3.1 半参数模型基本概念 |
| 3.2 半参数回归模型及其估计方法 |
| 3.2.1 半参数回归模型 |
| 3.2.2 半参数回归模型的估计方法 |
| 3.3 模型对比的统计量构建 |
| 3.4 本章小结 |
| 第4章 影响因素的格兰杰因果关系检验及灰色关联分析 |
| 4.1 格兰杰因果关系及灰色关联分析理论 |
| 4.1.1 时间序列 |
| 4.1.2 格兰杰因果关系检验 |
| 4.1.3 灰色关联分析 |
| 4.2 影响因素的格兰杰因果关系检验 |
| 4.2.1 居民消费价格指数对汽车销量的影响 |
| 4.2.2 消费者信心指数对汽车销量的影响 |
| 4.2.3 燃料均价对汽车销量的影响 |
| 4.2.4 钢产量对汽车销量的影响 |
| 4.3 影响因素的灰色关联分析 |
| 4.4 本章小结 |
| 第5章 半参数回归模型在汽车销量影响因素中的应用 |
| 5.1 数据的来源 |
| 5.2 描述性统计 |
| 5.3 基于汽车销量半参数回归模型的建立 |
| 5.3.1 正态性检验 |
| 5.3.2 模型预设 |
| 5.3.3 模型建立 |
| 5.4 最优模型的选取 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论与建议 |
| 6.1.1 本文结论 |
| 6.1.2 建议 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（2）病态模型的解算方法及其在短基线集InSAR形变反演中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与安排 |
| 2 病态问题的基本理论 |
| 2.1 病态问题及其分析 |
| 2.2 病态诊断方法与评价 |
| 2.3 病态问题估计方法 |
| 2.4 SBAS-InSAR形变反演的病态问题 |
| 2.5 本章小结 |
| 3 基于L曲线的谱修正迭代方法 |
| 3.1 谱修正迭代法的基本原理 |
| 3.2 基于L曲线的谱修正迭代法 |
| 3.3 谱修正迭代法实验与分析 |
| 3.4 本章小结 |
| 4 基于奇异值修正的正则化方法 |
| 4.1 Tikhonov正则化方法 |
| 4.2 基于最小均方误差奇异值修正的正则化方法 |
| 4.3 基于指数函数奇异值修正的正则化方法 |
| 4.4 正则化方法实验与分析 |
| 4.5 本章小结 |
| 5 Liu型估计的最优参数确定方法 |
| 5.1 Liu型估计基本原理 |
| 5.2 Liu型估计参数d的最优取值确定 |
| 5.3 Liu型估计参数α的最优取值确定 |
| 5.4 Liu型估计法实验与分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 论文主要创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（3）基于GPS数据的环渤海地区地壳弹塑性形变模型构建及应用（论文提纲范文）
| 摘要 Abstract 变量注释表 1 |
| 绪论 1.1 |
| 地壳形变研究目的及意义 1.2 |
| 地壳形变研究背景 1.3 |
| 国内外研究现状 1.4 |
| 本文主要研究内容及思路 1.5 |
| 本章小结 2 |
| 地壳形变弹塑性运动模型基本理论 2.1 |
| 地壳形变刚性运动模型 2.2 |
| 块体整体旋转与均匀应变弹性运动模型 2.3 |
| 块体整体旋转与线性应变弹性运动模型 2.4 |
| 块体弹塑性运动模型应变参数的检验 2.5 |
| 算例分析 2.6 |
| 本章小结 3 |
| 基于最小二乘配置法优化的均匀应变模型 3.1 |
| 最小二乘配置理论 3.2 |
| 最小二乘配置优化的均匀应变模型 3.3 |
| 算例分析 3.4 |
| 本章小结 4 |
| 半参数模型在地壳弹塑性形变中的应用 4.1 |
| 半参数模型 4.2 |
| 正则矩阵的确定和平滑因子的选择 4.3 |
| 半参数弹塑性形变模型的构建及应用 4.4 |
| 本章小结 5 |
| 结论与展望 5.1 |
| 主要结论 5.2 |
| 展望 参考文献 作者简历 致谢 学位论文数据集 |
（4）顾及先验信息的地壳形变分析模型研究（论文提纲范文）
| 摘要 Abstract 第一章 绪论 |
| 1.1 研究的目的与意义 |
| 1.2 国内外研究现状及存在的问题 |
| 1.2.1 地球物理方法和空间大地测量技术在现代地壳运动中的研究 |
| 1.2.2 存在的主要问题 |
| 1.3 本文主要研究内容 第二章 基于欧拉定理的地壳运动模型 |
| 2.1 刚性运动模型及其参考框架 |
| 2.1.1 刚性运动模型 |
| 2.1.2 地壳运动参考框架 |
| 2.1.2.1 地质与地球物理参考框架 |
| 2.1.2.2 大地测量参考框架 |
| 2.2 两种板块刚性—弹塑性运动模型 |
| 2.2.1 块体的整体旋转与均匀应变模型 |
| 2.2.2 块体的整体旋转与线性应变模型 |
| 2.3 精度评定 |
| 2.4 算例分析 |
| 2.5 本章小结 第三章 基于均值漂移模型的异常测站剔除及其应用 |
| 3.1 两种测站筛选方法 |
| 3.1.1 基于残差标准差的异常测站检测 |
| 3.1.2 基于拟准检定法的异常测站检测 |
| 3.2 基于均值漂移模型的测站筛选 |
| 3.2.1 均值漂移理论 |
| 3.2.2 基于均值漂移模型的测站筛选 |
| 3.3 算例分析 |
| 3.4 本章小结 第四章 两种精化的弹性地壳运动模型 |
| 4.1 地壳弹塑性形变的半参数模型 |
| 4.1.1 半参数模型 |
| 4.1.1.1 半参数模型及其求解方法 |
| 4.1.1.2 正则矩阵的选择 |
| 4.1.1.3 正则参数?的选择 |
| 4.1.1.4 半参数模型的精度评定 |
| 4.1.2 地壳弹塑性形变的半参数模型 |
| 4.1.3 算例分析 |
| 4.2 地壳运动的最小二乘配置模型 |
| 4.2.1 最小二乘配置模型 |
| 4.2.2 协方差函数的确定 |
| 4.2.3 地壳弹塑性形变的最小二乘配置模型 |
| 4.2.4 算例分析 |
| 4.3 本章小结 第五章 附有不等式约束的RELSM模型及其应用 |
| 5.1 附不等式约束的平差模型 |
| 5.1.1 附不等式约束的平差模型 |
| 5.1.2 附不等式约束的平差模型的参数求解 |
| 5.1.2.1 Lemke转轴互补法 |
| 5.1.2.2 Bayes估计法 |
| 5.1.2.3 高斯消元法 |
| 5.1.3 附不等式约束的平差模型的精度评价 |
| 5.2 附不等式约束的整体旋转与线性应变模型(IC-RELSM)构建 |
| 5.3 算例分析 |
| 5.4 本章小结 第六章 结论与展望 |
| 6.1 主要成果及结论 |
| 6.2 本文主要创新点 |
| 6.3 展望 参考文献 致谢 附录 |
（5）水下声速改正算法与精密定位方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水声定位技术的研究现状 |
| 1.2.2 水下声速改正方法的研究现状 |
| 1.2.3 水下定位模型及算法研究现状 |
| 1.3 研究内容与章节安排 |
| 第二章 水下定位系统及误差 |
| 2.1 水下定位系统分类 |
| 2.1.1 超短基线(USBL)定位系统 |
| 2.1.2 短基线(SBL)定位系统 |
| 2.1.3 长基线(LBL)定位系统 |
| 2.1.4 声波二次定位系统 |
| 2.1.5 组合定位系统 |
| 2.2 水下定位误差 |
| 2.3 本章小结 |
| 第三章 水下定位中声速改正算法的研究 |
| 3.1 声波在海水中的传播特性 |
| 3.2 声速改正方法的研究 |
| 3.2.1 声线跟踪法 |
| 3.2.2 等效声速剖面法 |
| 3.2.3 泰勒级数展开法 |
| 3.2.4 基于自适应分层的声速改进算法 |
| 3.3 仿真算例分析 |
| 3.3.1 定位数据仿真方法 |
| 3.3.2 模拟算例 |
| 3.4 本章小结 |
| 第四章 基于半参数估计的水下声学定位模型研究 |
| 4.1 半参数估计模型 |
| 4.1.1 半参数估计模型的基本原理 |
| 4.1.2 补偿最小二乘法及其估计 |
| 4.1.3 正规矩阵和平滑因子的选取 |
| 4.2 半参数模型算例分析 |
| 4.2.1 仿真算例分析 |
| 4.2.2 实测算例分析 |
| 4.3 本章小结 |
| 第五章 基于选权迭代的定位方法 |
| 5.1 等价权函数 |
| 5.1.1 几种常见的等价权函数 |
| 5.1.2 各类等价权函数适应性分析 |
| 5.2 基于选权迭代的浮标式差分定位 |
| 5.2.1 浮标式的单差定位原理 |
| 5.2.2 浮标式的双差定位原理 |
| 5.2.3 基于IGGIII抗差估计的浮标式差分定位方法 |
| 5.2.4 算例分析 |
| 5.3 基于选权迭代的半参数估计模型 |
| 5.3.1 基于IGGIII抗差估计的半参数定位方法 |
| 5.3.2 仿真算例分析 |
| 5.3.3 实测算例分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（6）基于联合模型的纵向和生存数据统计方法探讨（论文提纲范文）
| 摘要 |
| Abstract |
| 术语缩写汇总 |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究目的 |
| 1.4 数据介绍 |
| 第二章 纵向数据模型 |
| 2.1 线性混和效应模型 |
| 2.1.1 线性混合效应模型简介 |
| 2.1.2 协方差结构的选择 |
| 2.1.3 线性混合效应模型拟合指标 |
| 2.2 实例数据应用 |
| 2.2.1 总健康状况得分 |
| 2.2.2 线性混合效应模型 |
| 2.3 讨论 |
| 第三章 生存数据模型 |
| 3.1 Cox比例风险模型 |
| 3.1.1 Cox比例风险模型简介 |
| 3.1.2 Cox比例风险模型的PH假定 |
| 3.1.3 Cox比例风险模型结果 |
| 3.2 参数模型 |
| 3.2.1 参数模型简介 |
| 3.2.2 参数模型的应用 |
| 3.2.3 参数模型的拟合优度检验 |
| 3.3 讨论 |
| 第四章 联合模型 |
| 4.1 联合模型介绍 |
| 4.1.1 纵向子模型与生存子模型 |
| 4.1.2 联合模型估计法 |
| 4.1.3 联合模型的标准误估计 |
| 4.1.4 联合模型的残差估计 |
| 4.1.5 联合模型的R包“JM” |
| 4.2 联合模型的应用 |
| 4.2.1 联合模型法结果 |
| 4.2.2 联合模型的诊断 |
| 4.3 讨论 |
| 第五章 结论 |
| 参考文献 |
| 纵向和生存数据统计方法(综述) |
| 参考文献 |
| 作者简介 |
| 致谢 |
（7）半参数模型在测量数据处理中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外主要研究现状 |
| 1.3 论文章节安排与技术路线 |
| 2 半参数模型与补偿最小二乘估计 |
| 2.1 引言 |
| 2.2 基于补偿最小二乘估计的半参数模型 |
| 2.3 半参数模型统计假设检验 |
| 2.4 正则矩阵和正则化参数选取 |
| 2.5 本章小结 |
| 3 半参数模型与广义补偿最小二乘估计 |
| 3.1 引言 |
| 3.2 广义补偿最小二乘估计的理论依据 |
| 3.3 基于广义补偿最小二乘估计的半参数模型 |
| 3.4 本章小结 |
| 4 半参数模型与抗差估计 |
| 4.1 引言 |
| 4.2 抗差估计原理 |
| 4.3 顾及残差初值的半参数抗差估计模型 |
| 4.4 本章小结 |
| 5 半参数模型在数据处理中的应用 |
| 5.1 半参数模型在参数估值中的应用 |
| 5.2 半参数模型在开采沉陷预计中的应用 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（8）支持向量机模型的优化及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题依据 |
| 1.1.1 支持向量机泛化能力强、应用广泛 |
| 1.1.2 单一支持向量机存在一定的局限性 |
| 1.1.3 优化模型的提出 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实际意义 |
| 1.3 研究思路与主要研究内容 |
| 1.3.1 研究思路 |
| 1.3.2 主要研究内容 |
| 1.4 主要创新与不足之处 |
| 1.4.1 主要创新点 |
| 1.4.2 主要不足之处 |
| 2 优化支持向量机的提出 |
| 2.1 支持向量机的原理与特点 |
| 2.1.1 支持向量机的研究背景 |
| 2.1.2 几种常见支持向量机的方法介绍 |
| 2.2 优化支持向量机的研究现状与述评 |
| 2.2.1 支持向量机数据结构优化的研究现状与述评 |
| 2.2.2 支持向量机参数优化的研究现状与述评 |
| 2.2.3 支持向量机组合优化的研究现状与述评 |
| 3 支持向量机的数据结构优化及其应用 |
| 3.1 数据结构优化的原理与特点 |
| 3.1.1 KZ滤波 |
| 3.1.2 KZ自适应滤波器 |
| 3.1.3 改进后的KZ滤波方法 |
| 3.2 基于支持向量机的数据结构优化模型的构建 |
| 3.3 实际问题的背景与研究现状 |
| 3.3.1 国外大气污染预警现状 |
| 3.3.2 国内大气污染预警现状 |
| 3.4 数据结构优化模型在大气污染预警中的应用 |
| 3.4.1 数据分析与预处理 |
| 3.4.2 细颗粒物过滤结果 |
| 3.4.3 可吸入颗粒物过滤结果 |
| 3.4.4 空气污染物的预测模型 |
| 3.4.5 模型预测性能的扩展实验 |
| 3.5 本章小结 |
| 4 支持向量机的参数优化及其应用 |
| 4.1 帝国竞争算法(ICA)的原理与特点 |
| 4.2 支持向量机参数优化模型的构建 |
| 4.2.1 获得最优训练集的方法(欧几里得距离) |
| 4.2.2 参数优化模型 |
| 4.3 实际问题的背景与研究概况 |
| 4.3.1 电影票房预测的背景介绍 |
| 4.3.2 关于解释变量的文献研究 |
| 4.3.3 关于预测模型的文献研究 |
| 4.4 参数优化模型在电影票房预测中的应用 |
| 4.4.1 电影票房预测的数据介绍 |
| 4.4.2 数据预处理 |
| 4.4.3 统计指标 |
| 4.4.4 本实验的研究框架 |
| 4.4.5 最优训练集的选择 |
| 4.4.6 LSSVM与其他常用预测模型的比较 |
| 4.4.7 ICA与其它优化算法在优化LSSVM参数方面的比较 |
| 4.5 讨论 |
| 4.6 本章小结 |
| 5 支持向量机的组合优化及其应用 |
| 5.1 支持向量机组合优化模型的构建 |
| 5.1.1 支持向量机方法组合优化的构建 |
| 5.1.2 支持向量机模型组合优化的构建 |
| 5.2 方法组合优化在能源经济上的应用 |
| 5.2.1 能源经济的背景介绍 |
| 5.2.2 风速预测的研究概况 |
| 5.2.3 数据介绍与预处理 |
| 5.2.4 实证设定 |
| 5.2.5 实证结果与分析 |
| 5.2.6 方法组合优化小结 |
| 5.3 模型组合优化在生存数据上的应用 |
| 5.3.1 模拟实验与分析 |
| 5.3.2 实际数据应用 |
| 5.3.3 模型组合优化小结 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 优化模型的适用性讨论 |
| 6.2 结论 |
| 6.3 未来研究方向 |
| 在学期间发表的科研成果 |
| 附录 |
| 参考文献 |
| 后记 |
（9）数据驱动的城市路网行程时间估计与预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 选题背景与依托课题 |
| 1.1.2 研究目的与意义 |
| 1.2 研究内容与技术路线 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法与技术路线 |
| 1.3 主要创新点 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第二章 数据驱动行程时间估计与预测研究综述 |
| 2.1 城市路网行程时间估计与预测概述 |
| 2.1.1 城市路网特性 |
| 2.1.2 行程时间估计与预测的异同 |
| 2.2 数据驱动方法概述 |
| 2.2.1 数据驱动方法的概念 |
| 2.2.2 数据驱动方法的基本原理与特点 |
| 2.2.3 数据驱动方法综述 |
| 2.3 行程时间估计研究综述 |
| 2.3.1 基于点传感器数据的行程时间估计模型 |
| 2.3.2 基于区间传感器数据的行程时间估计模型 |
| 2.3.3 基于数据融合的行程时间估计模型 |
| 2.4 行程时间预测研究综述 |
| 2.4.1 朴素方法 |
| 2.4.2 基于交通流理论的行程时间预测 |
| 2.4.3 基于数据驱动的行程时间预测 |
| 2.4.4 基于混合模型的行程时间预测 |
| 2.5 国内外研究现状总结 |
| 2.6 本章小结 |
| 第三章 车载GPS数据与基础处理方法研究 |
| 3.1 简介 |
| 3.2 交通数据采集 |
| 3.2.1 交通数据采集方法 |
| 3.2.2 车辆GPS轨迹数据 |
| 3.3 车辆GPS数据预处理 |
| 3.3.1 车辆GPS数据特点 |
| 3.3.2 车辆GPS数据预处理方法 |
| 3.4 基于GPS数据的行程时间提取方法 |
| 3.4.1 地图匹配 |
| 3.4.2 路径推导 |
| 3.4.3 行程时间分配 |
| 3.5 本章小结 |
| 第四章 基于稀疏GPS大数据的城市路网行程时间估计方法研究 |
| 4.1 简介 |
| 4.2 相关理论基础 |
| 4.2.1 张量基础与表示方法 |
| 4.2.2 张量的相关定义与运算 |
| 4.2.3 张量分解与重构 |
| 4.2.4 张量补全 |
| 4.3 模型基本框架与相关定义 |
| 4.3.1 相关定义 |
| 4.3.2 模型基本框架 |
| 4.4 基于稀疏GPS大数据的城市路网行程时间估计方法 |
| 4.4.1 地图映射 |
| 4.4.2 基于张量的行程时间建模 |
| 4.4.3 概率交通状态聚类 |
| 4.4.4 行程时间估计 |
| 4.5 实验结果及分析 |
| 4.5.1 实验数据 |
| 4.5.2 行程时间建模结果与分析 |
| 4.5.3 概率交通状态聚类结果与分析 |
| 4.5.4 行程时间估计结果与分析 |
| 4.6 本章小结 |
| 第五章 基于贝叶斯概率张量分解的城市路网行程时间估计方法 |
| 5.1 简介 |
| 5.2 研究问题描述与模型基本框架 |
| 5.2.1 研究问题描述 |
| 5.2.2 模型基本框架 |
| 5.3 基于贝叶斯概率张量分解的城市路网行程时间估计方法 |
| 5.3.1 地图映射 |
| 5.3.2 行程时间张量构建 |
| 5.3.3 行程时间张量合并 |
| 5.3.4 基于张量分解的缺失数据估计 |
| 5.3.5 基于对数正态分布的贝叶斯概率张量分解 |
| 5.4 实验结果及分析 |
| 5.4.1 实验数据 |
| 5.4.2 实验设置 |
| 5.4.3 评估指标 |
| 5.4.4 行程时间估计模型性能 |
| 5.4.5 模型性能对比 |
| 5.4.6 模型敏感性分析 |
| 5.5 本章小结 |
| 第六章 基于深度学习的城市路网行程时间预测方法研究 |
| 6.1 简介 |
| 6.2 深度学习理论基础 |
| 6.2.1 深度学习简介 |
| 6.2.2 深度学习训练方法 |
| 6.2.3 典型的深度学习模型 |
| 6.3 基于深度学习的城市路网行程时间预测方法 |
| 6.3.1 特征数据提取 |
| 6.3.2 基于机器学习的行程时间预测建模 |
| 6.3.3 稀疏降噪自动编码器 |
| 6.3.4 行程时间预测深度学习模型 |
| 6.3.5 深度网络训练算法 |
| 6.4 实验结果及分析 |
| 6.4.1 实验数据 |
| 6.4.2 实验设置 |
| 6.4.3 评估指标 |
| 6.4.4 模型结果 |
| 6.4.5 模型性能分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介、在读期间发表论文及参与科研情况 |
（10）利用半参数模型提高含有多路径误差的基线的解算精度（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 多路径效应的研究现状 |
| 1.3 半参数模型的研究现状 |
| 1.4 本文主要研究内容 |
| 第二章 GNSS定位原理 |
| 2.1 GNSS主要测量误差 |
| 2.2 GNSS定位方法 |
| 2.3 整周模糊度的确定方法 |
| 2.4 本章小结 |
| 第三章 半参数回归模型原理 |
| 3.1 半参数回归模型概述 |
| 3.1.1 半参数模型方程与补偿最小二乘法 |
| 3.1.2 半参数模型未知量的统计性质 |
| 3.2 正则化矩阵R的选取方法 |
| 3.2.1 自然样条函数法 |
| 3.2.2 时间序列法 |
| 3.2.3 距离法 |
| 3.2.4 三种方法的特性总结 |
| 3.3 正则化参数α的选取方法 |
| 3.3.1 L曲线法 |
| 3.3.2 广义交叉核实法 |
| 3.3.3 最小均方误差法 |
| 3.3.4 信噪比法 |
| 3.3.5 效率法 |
| 3.3.6 控制法 |
| 3.3.7 各类方法的特性总结 |
| 3.4 本章小结 |
| 第四章 基于半参数模型的多路径误差削弱方法 |
| 4.1 实验及数据采集 |
| 4.2 基于半参数回归模型的静态基线解算 |
| 4.2.1 GNSS静态半参数解算模型 |
| 4.2.2 数据处理结果及分析 |
| 4.2.3 静态基线解算小结 |
| 4.3 基于半参数回归模型的单历元基线解算 |
| 4.3.1 GNSS单历元半参数解算模型 |
| 4.3.2 部分搜索法固定整周模糊度 |
| 4.3.3 数据处理结果及分析 |
| 4.3.4 单历元基线解算小结 |
| 4.4 正则化参数确定方法的适用性 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
四、半参数回归模型在测量数据处理中的应用（论文参考文献）
- [1]基于半参数模型汽车销量影响因素研究[D]. 刘道东. 山东财经大学, 2021(12)
- [2]病态模型的解算方法及其在短基线集InSAR形变反演中的应用研究[D]. 翟敏. 山东科技大学, 2020(06)
- [3]基于GPS数据的环渤海地区地壳弹塑性形变模型构建及应用[D]. 张启斌. 山东科技大学, 2020(06)
- [4]顾及先验信息的地壳形变分析模型研究[D]. 范成成. 贵州大学, 2020(04)
- [5]水下声速改正算法与精密定位方法研究[D]. 刘宁. 长安大学, 2020(06)
- [6]基于联合模型的纵向和生存数据统计方法探讨[D]. 张慧敏. 东南大学, 2019(05)
- [7]半参数模型在测量数据处理中的应用[D]. 马卫骄. 山东科技大学, 2019(05)
- [8]支持向量机模型的优化及其应用研究[D]. 李培志. 东北财经大学, 2019(06)
- [9]数据驱动的城市路网行程时间估计与预测方法研究[D]. 唐坤. 东南大学, 2019
- [10]利用半参数模型提高含有多路径误差的基线的解算精度[D]. 冯佳琪. 合肥工业大学, 2019(01)