广义非线性动态处理模型及其解算方法

本文针对当今各国高层领导和科学家十分关注并大力倡导的“数字地球“、“数字国家“、“数字城市“、“数字矿山“等科学工程构建中遇到的大量的多源、多维、多类型、多时态、多精度并具有非线性特征的联合数据处理问题的特点,建立了一个广义非线性动态联合数据处理模型及其相应的广义非线性最小二乘模型.针对该模型规模大、维数高的特点,借鉴多变量函数寻优的 “变量轮换法“或“因素交替法“的思想、结合无记忆牛顿法,建立了一个解算算法,该算法将大规模的优化问题分解为两个较低规模的优化问题进行解算,降低了问题的规模,借助无记忆牛顿法,减少了存储量,特别适合大规模问题的解算.     

GPS网平差的多元响应-非线性最小二乘模型及其解的最优化混合算法

在控制网中,用GPS测量,可以同时测得一个点的基线向量,在具有起算数据时可获得观测点的三维坐标等多个响应变量值,将这些响应变量包含的信息综合起来,可以得到参数的更精确的估计.本文针对GPS测量数据为多元响应数据的特点,建立了一个GPS网平差的多元响应-非线性最小二乘模型,针对该模型,结合拟牛顿法和信赖域算法建立了一个新非线性优化的混合算法,该算法具有全局收敛性和超线性收敛性.     

广义非线性动态最小二乘问题的一个直接解算方法

构建“数字地球“、“数字国家“等数字化科学工程的基础是数据[1],其数据具有多源、多维、多种类型、多种时态、多种精度并具有非线性特征等特点[2],首先要进行数据处理并应采用全新的广义非线性动态最小二乘法[3][4],数据处理方法的核心是广义非线性动态最小二乘问题参数估计的函数模型及其解算方法,迄今国内外对这方面的研究尚不多.本文在作者前期研究、提出的广义非线性动态最小二乘函数模型参数估计迭代法求解[5]的基础上,进一步研究、提出了一种广义非线性动态最小二乘模型参数估计的直接解算方法,将问题分离,把待求参数减半,直接求解.从而大大降低求解问题的维数,大大减少计算难度和计算工作量,这是国内外首次研究提出的一种比迭代法更快速、更有效、更科学的解算方法.为多源、多类、多时态数据处理开辟了一新途径,也大大扩大了广义非线性动态最小二乘法的应用面.     

一个广义非线性最小二乘迭代算法及其在多维多时态多精度数据处理中的应用

本文针对当今各国高层领导和科学家十分关注并大力倡导的“数字地球“、“数字国家“、“数字城市“、“数字矿山“等科学工程构建中遇到的大量的多源、多维、多类型、多时态、多精度并具有非线性特征的数据处理,针对数据测量采用多种观测手段采集多源、多维、多类型、多时态、多精度数据,数据处理的函数模型中不仅仅含有非随机参数,而且含有随机参数,其随机参数又常常为动态的等特点,建立了广义非线性动态最小二乘数据处理模型.针对该模型规模大、维数高的特点,借鉴多变量函数寻优的 “变量轮换法“或“因素交替法“的思想、结合BFGS算法,建立了一交替寻优的解算方法,该算法将大规模的优化问题分解为两个较低规模的优化问题进行解算,降低了问题的规模,减少了计算量.