排序方式: 共有19条查询结果,搜索用时 15 毫秒
1.
利用小波模型、神经网络模型及小波神经网络模型,分别以累积沉降样本和间隔沉降样本作为训练样本对沉降进行了分析预测,证明了在大多数情况下采用间隔沉降样本进行沉降分析预测的效果较好. 相似文献
2.
将观测样本看成随机变量总体的一个子集,使这个子集发生的概率最大,从而导出了和极大似然估计原理,根据这一原理得到的估值具有最小估值偏差,比最小二乘估值的准确度高;当样本容量趋于无穷大时,估值必然地收敛于它的真值;天然地具有抗差性。 相似文献
3.
4.
5.
非线性随机模型估计及应用 总被引:4,自引:4,他引:0
讨论了非线性随机模型估计的求解问题,分为方差σ^2已知和方差未知2种情况。方差σ^2已知的非线性随机模型估计适用于测量平差以及一切有规范规定的实验科学的数据处理;方差σ^2未知的非线性随机模型估计适用于没有规范的约束的社会统计学的统计推断。文中附有算例阐述具有同值子样由于σ2已知和未知的2种情况的数据处理结果。σ 相似文献
6.
利用密度权导出了有限相关样本的期望估计,论证了相关密度权是对称的、非对角型矩阵;相关期望估计具有抗差性,且具有自动抗差功能.在运算过程中,其解与迭代初始值无关,其迭代初始值为误差方程的常数项,并且能保持变权运算后各变量的相关系数不变。 相似文献
7.
以2017 年8月8日九寨沟发生的MS 7. 0 级地震为背景,利用CODE 提供的GIM 数据, 采用滑动四分位法,研究地震前后电离层的异常现象与地震的关系。通过对震中及周围4个参考点进行TEC 异常检测, 发现孕震区在 2017 年7 月28 日、8 月4 日和8月6日均出现了不同程度的电离层异常现象。结合日地环境和全球TEC 异常分布进一步分析后得出:2017年7月28日和8月6日出现的电离层异常可能是地震前兆, 异常区域没有垂直对应于震中,且异常具有共轭结构并表现出向赤道漂移的趋势;而8月4日出现的电离层异常可能由地磁扰动引起。 相似文献
8.
在阐述地矿调查及三维可视化的基础上,利用ArcView软件中的三维分析模块对地矿调查数据进行了三维模拟,并估算出了其大概储量。该研究对矿产普查具有十分重要的意义。 相似文献
9.
利用小波模型、神经网络模型及小波神经网络模型,分别以累积沉降样本和间隔沉降样本作为训练样本对沉降进行了分析预测,证明了在大多数情况下采用间隔沉降样本进行沉降分析预测的效果较好. 相似文献
10.
针对机载Li DAR点云数据提出了一种建筑物屋顶边界提取方法。首先,将建筑物屋顶激光点云投影至XOY平面上,对屋顶点云构建网孔,初步提取建筑物边缘点云并去除部分孤立点;然后,采用改进的带距离控制的卷包裹算法对角点进行提取,根据相邻房屋边缘点一侧不存在激光点的性质,对边缘点云进行二次提取;最后,对房屋边线上的点云采用最小二乘直线拟合方法分别拟合屋顶各边线,并对拟合后的边线进行规则化及扩展,还原建筑物边界线。相比于基于不规则三角网模型的边缘提取方法,采用本文算法获得了更多边缘点,并且避免了凸包性缺陷导致对建筑物边缘提取造成的关键边缘点遗漏问题,对各种形状建筑物均有较强适应性,且运行效率更高。 相似文献