系数矩阵误差对最小二乘估计的影响及EIV模型的可靠性理论研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41474006
  • 项目类别:
    面上项目
  • 资助金额:
    85.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0401.物理大地测量学
  • 结题年份:
    2018
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2018-12-31

项目摘要

The estimate of the EIV(errors-in-variables)model,in which the design matrix and observation vector are both random, is a nonlinear adjustment. It's accuracy of estimate,efficency of algorithm and the reliability of adjustment are the difficult problems in modern theory and method of surveying data processing.Although total least squares (TLS) is more rigorous than the least squares(LS) method to estimate the EIV model, it is computationally much more complicated than the LS method, even failed calculating for large amount of calculations. For some EIV problems, the TLS and LS methods have been shown to produce practically negligible differences in the estimated parameters. In order to understand under what conditions we can safely use the easy LS method to estimate the EIV model, the effects of random design matrix on the LS method is a foundamental theoretical problem of an EIV model.In this project, we will systematically investigate the effect of the random errors of the design matrix on the estimated quantities of geodetic interest, in particular, the model parameters, the variance-covariance matrix of the estimated parameters and the variance of unit weight. By using the derived formulae of bias, we can then attempt to remove the effect of the random matrix from the LS estimate and accordingly obtain the bias-corrected LS estimate for the EIV model. As the published theory of geodetic reliability of EIV model can't be used pratically, we will develop the theory and method of reliability of EIV model in the general weighted case, starting from a partial EIV model.Our research have important theoretical contribution to the adjustment of the data processing.
EIV(errors-in-variables)模型描述了系数矩阵和观测向量均含随机误差的平差模型,模型的非线性特性导致其估计理论一直是现代测量数据处理领域的难点问题。EIV模型的整体最小二乘估计比最小二乘估计理论上更为严密,但算法的复杂度远高于最小二乘估计,是制约其应用的主要因素,甚至因计算量过大导致无法解算。实际应用表明,某些EIV模型的最小二乘和整体最小二乘估计结果差异很小可忽略不计。因此,确定在哪些情况下可用简单的最小二乘求解是EIV模型估计理论的基本问题之一。本项目拟系统地研究系数矩阵误差引起的最小二乘参数估值和改正数的偏差及其对参数精度、单位权方差影响的估计公式,并提出EIV模型偏差改正的最小二乘估计新算法。同时,顾及现有EIV模型可靠性理论无法用于实际计算等缺陷,建立了普遍适用的EIV模型的可靠性理论体系。研究成果对测量平差数据处理有重要理论贡献和应用价值。

结项摘要

EIV(errors-in-variables)模型的系数矩阵和观测向量均含随机误差,模型的非线性特性导致其估计理论一直是现代测量数据处理领域的难点问题。EIV模型的整体最小二乘估计比最小二乘估计理论上更为严密,但算法的复杂度远高于最小二乘估计。实际应用表明,某些EIV模型的最小二乘和整体最小二乘估计结果差异很小可忽略不计。因此,确定在哪些情况下可用简单的最小二乘求解是EIV模型估计理论的基本问题之一。针对这一问题极为有限的研究成果,本项目开展了系数矩阵误差对EIV模型最小二乘估计的影响以及EIV模型的可靠性研究,研究内容和成果包括:(1)基于数理统计、矩阵微分和最优估计理论,全面系统地推导了系数矩阵误差引起的EIV模型最小二乘参数估计值与改正数的偏差公式,系数矩阵误差对单位权中误差和估计量的方差协方差阵的影响公式等,为EIV模型估计方法的选择提供了理论依据;(2)提出了EIV模型偏差改正的最小二乘估计方法,利用上述理论确定EIV模型的最小二乘估计能够满足精度要求的情况下,采用偏差改正的最小二乘估计方法可以减弱或消除估计量的偏差;(3)以Partial-EIV模型为基础,通过将系数矩阵的随机量提取出来作为虚拟观测值,从而将EIV模型从形式上转换为经典高斯马尔科夫模型,再根据可靠性理论推导了EIV模型的内部可靠性和外部可靠性公式;(4)将项目理论成果在大地测量、回归分析以及地价评估等领域进行了应用拓展。研究成果完善了EIV模型估计的理论体系,在测绘及相关领域具有应用前景,对EIV模型估计理论具有重要理论贡献和应用价值。受本基金项目资助,项目组共发表SCI和EI相关研究论文15篇,其中SCI论文8篇、EI论文4篇,项目申请人作为第一作者或者通讯作者发表SCI论文4篇以及EI论文3篇。

项目成果

期刊论文数量(13)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
GNSS-R星载测高的动态性误差和信号平行误差研究
  • DOI:
    10.13203/j.whugis20130819
  • 发表时间:
    2015
  • 期刊:
    武汉大学学报(信息科学版)
  • 影响因子:
    --
  • 作者:
    胡长江;李英冰
  • 通讯作者:
    李英冰
On the total least-squares estimation for autoregressive model
自回归模型的总体最小二乘估计
  • DOI:
    10.1080/00396265.2017.1281096
  • 发表时间:
    2018-03
  • 期刊:
    Survey Review
  • 影响因子:
    1.6
  • 作者:
    Zeng W;Fang X;Lin Y;Huang X;Zhou Y
  • 通讯作者:
    Zhou Y
On total least squares for quadratic form estimation
关于二次形式估计的总最小二乘法
  • DOI:
    10.1007/s11200-014-0267-x
  • 发表时间:
    2015-07-01
  • 期刊:
    STUDIA GEOPHYSICA ET GEODAETICA
  • 影响因子:
    0.9
  • 作者:
    Fang, Xing;Wang, Jin;Yao, Yibin
  • 通讯作者:
    Yao, Yibin
基于GPS-TEC方法的日偏食期间电离层效应研究
  • DOI:
    10.14188/j.2095-6045.2015269
  • 发表时间:
    2017
  • 期刊:
    测绘地理信息
  • 影响因子:
    --
  • 作者:
    文铠;李英冰;周力璇;梁伟
  • 通讯作者:
    梁伟
On the errors-in-variables model with inequality constraints of dependent variables for geodetic transformation
大地变换中因变量不等式约束的变量误差模型
  • DOI:
    10.1080/00396265.2017.1396407
  • 发表时间:
    2019-03
  • 期刊:
    Survey Review
  • 影响因子:
    1.6
  • 作者:
    Zeng wenxian;Fang xing;Lin Y;Huang X
  • 通讯作者:
    Huang X

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

三维坐标转换的通用整体最小二乘算法
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    方兴;曾文宪;刘经南;姚宜斌
  • 通讯作者:
    姚宜斌
稳健估计的一种改进迭代算法
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    方兴;黄李雄;曾文宪;吴云
  • 通讯作者:
    吴云
整体最小二乘估计的研究进展
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    武汉大学学报(信息科学版)
  • 影响因子:
    --
  • 作者:
    刘经南;曾文宪;徐培亮
  • 通讯作者:
    徐培亮
通用 EIV 平差模型的线性化估计算法
  • DOI:
    10.13203/j.whugis20200243
  • 发表时间:
    2021
  • 期刊:
    武汉大学学报(信息科学版)
  • 影响因子:
    --
  • 作者:
    曾文宪;刘泽邦;方兴;李玉兵
  • 通讯作者:
    李玉兵

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

曾文宪的其他基金

广义高斯-马尔科夫模型的稳健估计理论研究
  • 批准号:
    42174049
  • 批准年份:
    2021
  • 资助金额:
    58 万元
  • 项目类别:
    面上项目
广义通用平差模型的建立及其估计理论研究
  • 批准号:
    41674002
  • 批准年份:
    2016
  • 资助金额:
    90.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码