检索结果-内蒙古大学图书馆

武汉大学学报（信息科学版） 2016年第12期41卷 1677-1682页

作者：魏冠军党亚民章传银兰州交通大学测绘与地理信息学院甘肃兰州730070 中国测绘科学研究院北京100830

测量数据的质量及可靠性取决于测量数据不确定性的大小。从如何评价测量数据的不确定性入手,以测量不确定度理论与模糊数学为基础,构建以测量不确定度为未知参数的测量数据不确定性评价的函数模型,提出"模糊熵测度"作为函数... 详细信息

测量数据的质量及可靠性取决于测量数据不确定性的大小。从如何评价测量数据的不确定性入手,以测量不确定度理论与模糊数学为基础,构建以测量不确定度为未知参数的测量数据不确定性评价的函数模型,提出"模糊熵测度"作为函数模型求解的最优准则并建立相应的算法,应用高程监测网数据进行解算并与最小二乘估计结果进行比较,结果证明了该方法的可行性。

关键词：数据不确定性测量不确定度模糊熵准则函数模型最小模糊熵估计

来源：评论

学校读者我要写书评

暂无评论

变形监测分析与预报的不确定性研究

变形监测分析与预报的不确定性研究

引用

作者：魏冠军山东科技大学

学位级别：博士

在自然科学和工程技术领域都存在着大量的不确定性问题，变形监测分析也不例外。许多自然灾害的发生与客体在不同时间尺度或不同空间尺度下变形紧密相关，如地震、火山喷发、滑波和泥石流等地质灾害，由工程引起的地面沉陷、崩塌、滑波... 详细信息

在自然科学和工程技术领域都存在着大量的不确定性问题，变形监测分析也不例外。许多自然灾害的发生与客体在不同时间尺度或不同空间尺度下变形紧密相关，如地震、火山喷发、滑波和泥石流等地质灾害，由工程引起的地面沉陷、崩塌、滑波、大坝溃坝、桥梁垮塌等。变形体的变形受地形、地质、气候、水文、材料、荷载、时效等因素的综合影响，这些影响因素所具有的随机性、模糊性、突发性等特点，并处于不断的动态变化之中，这就使得不确定性必然贯穿于变形监测分析的数据获取、模型构建以及预报过程之中，给变形监测分析和预报带来了极大的不确定性。此外，变形体及其成因又构成了一个复杂的非线性系统，这又增加了变形监测分析与预报的不确定性研究的难度。因此，要提高变形监测分析与预报的精度及其可靠性，必须系统地研究形变监测和预报中的不确定性问题，其研究对灾害预警具有重大理论价值和现实意义。\n 本文针对变形监测数据、形变模型参数以及变形预报中的不确定性展开研究，创造性地用模糊熵来度量变形监测数据的不确定性，提出了最小模糊熵估计方法（Least Fuzzy Entropy Estimation，简写为LFEE），并用其来估计变形监测数据的不确定性；推导出基于贝叶斯理论变形模型参数不确定性分析的递推公式，并利用MCMC（Markov Chain Monte Carlo,简写为MCMC）算法对变形模型参数的不确定性进行定量计算；提出了变形贝叶斯概率预报（Deformation Bayesian Probability Forecasting，简写为DBPF）方法，定量地研究了变形预报的不确定性。\n 主要研究内容和成果概述如下：\n （1）研究了不确定性、不确定性数学处理方法及相关学科领域的研究现状。在分析变形监测分析中不确定性影响因素的基础上，研究了变形监测分析中不确定性问题的研究进展，并将变形监测分析与预报中的不确定性概括为三大类：变形输入不确定性、变形模型不确定性和变形预报不确定性。研究了不确定性处理的概率论、随机理论、可能性理论、贝叶斯方法、MCMC算法、信息熵、优化理论等数学方法。\n （2）提出变形监测数据不确定性度量的最小模糊熵估计（Least Fuzzy Entropy Estimation,简写为LFEE）方法。基于可能性理论，提出测量数据不确定性的可能性表达，并阐述了用模糊数的模糊幅度来表示测量数据不确定性的可行性，构建了测量数据不确定性处理的可能性线性和可能性非线性模型。以信息熵理论为基础，以模糊熵为测量数据不确定性度量的准则，提出了最小模糊熵估计方法，通过变形监测网数据计算分析，结果表明，用最小模糊熵估计方法来度量测量数据的不确定性是可行的。\n （3）研究了变形模型参数的不确定性，推导出基于贝叶斯理论变形模型参数不确定性分析的递推公式。本文将参数看作随机变量，用概率分布来描述其不确定性，利用Bayesian理论，将监测信息和模型结构引起的不确定性用似然函数表示，将参数的不确定性用参数的先验分布来表示，推导出变形模型参数不确定性贝叶斯反分析的递推公式。\n （4）提出利用MCMC算法对变形模型参数的不确定性进行定量分析。针对变形模型参数后验分布难以计算的特点，将 MCMC算法应用到变形模型参数的后验分布计算中来，并通过地基沉降Logistic增长曲线模型（非线性）和大坝变形分析的回归模型（线性）两个变形模型实现了本文提出的方法。计算结果表明：MCMC算法能有效地搜索变形模型参数的后验分布，适合于线性或非线性的变形模型参数识别和不确定性分析。\n （5）针对变形预报的不确定性，提出变形贝叶斯概率预报（Deformation Bayesian Probability Forecasting,简写为DBPF）方法。考虑到模型输入不确定性和模型参数不确定性等不确定性因素对变形预报结果的影响，为最大限度地利用预报当前时刻的所有信息，本文将变形的预报值看成是一个随机变量，以概率分布的形式定量地描述变形预报的不确定性，以贝叶斯预测理论为基础，提出变形贝叶斯概率预报方法，推导出未来变形量的预测分布，利用MCMC算法对预测分布进行计算，用两个实例表明变形贝叶斯概率预报方法是合理可行的。\n （6）针对现有的实时变形预报的局限性，本文基于贝叶斯动态模型，提出实时变形概率预报方法，并建立相应的模型，将实时获得的变形信息更新到模型中，及时的校正、改善变形模型的参数或预报值，使预报结果更接近实测值，尽可能地减少预报误差，降低预报的不确定性。

关键词：变形监测不确定性灾害预警最小模糊熵估计贝叶斯理论

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：