-
公开(公告)号：CN112131752B
公开(公告)日：2021-09-10
申请号：CN202011047884.8
申请日：2020-09-29
Applicant: 长安大学
Abstract: 本发明公开了一种基于拟准检定的超强崩溃污染率抗差估计算法，利用K均值聚类算法实现了任意粗差占比情况下对于拟准观测值的自动化选择，以实现粗差的粗识别，然后以拟准真误差作为抗差估计中等价权函数的初值进行迭代计算，以实现粗差的精识别和模型参数的超强崩溃污染抗差估计。本方法相较于常规抗差估计和基于残差中位数的抗差估计而言，可更加准确地实现对区域GNSS速度场中粗差数据的探测，实现区域地壳运动模型参数的超强崩溃污染率抗差估计，为后续进一步研究区域地壳形变特征提供更真实、更有价值的基础数据，为复杂场景中地壳形变监测数据的粗差探测和模型参数估计提供一种有效的处理方法。
-
公开(公告)号：CN109521444A
公开(公告)日：2019-03-26
申请号：CN201811230539.0
申请日：2018-10-22
Applicant: 长安大学
IPC: G01S19/14
Abstract: 本发明公开了一种地壳运动GPS水平速度场自适应最小二乘拟合推估算法，兼顾考虑研究域范围尺度与不同协方差矩阵关系不合理因素，首先引入距离尺度因子构建高斯经验协方差函数，解决数据利用率问题，有效避免了互协方差负值对构建经验协方差模型所造成的影响；在此基础上，再通过进一步引入自适应因子来调整观测信息和先验信息对模型参数的影响不平衡性，解决观测值权阵与信号值的经验协方差矩阵方差因子协调一致性；本发明方法较常规以及仅顾及单一因素改进的最小二乘拟合推估法，可更加准确地对区域GPS速度场进行拟合推估，从而可更真实的反映出区域地壳构造运动特性，为后续进一步研究区域构造动力学特征提供更有价值的基础数据与参考。
-
Patent Agency Ranking
公开(公告)号：CN108537360A
公开(公告)日：2018-09-14
申请号：CN201810170201.4
申请日：2018-03-01
Applicant: 长安大学
Abstract: 本发明公开了一种顾及多因子的自适应Kalman滤波滑坡预报方法，该方法首先构建Kalman滤波状态方程和观测方程，并建立基于多因子的Kalman滤波递推方程组，引入指数型衰减因子进行加权衰减记忆Kalman滤波，最终实现对滑坡预测的预报。本发明方法考虑滑坡外部诱发因子的随机干扰，减少了滑坡变形模型在线性化中产生的误差；同时引入了衰减因子，有效抑制了经典Kalman滤波易发散的问题，极大提高了滤波的准确性和滤波精度，从而进一步保证了采用顾及多因子的自适应Kalman滤波方法进行滑坡灾害预报的可靠性。
-
-
公开(公告)号：CN201765328U
公开(公告)日：2011-03-16
申请号：CN201020530357.8
申请日：2010-09-15
Applicant: 长安大学
Abstract: 本实用新型公开了一种GPS形变监测精度测试平台，包括边缘设置有角度刻度的基板，所述基板上设置有基座，所述基座上设置有以基座为中心绕所述基板边缘转动的活动杆，所述活动杆上设有位移刻度，所述活动杆上安装有沿活动杆移动的滑动块，所述滑动块上安装有测试台。本实用新型可方便监测GPS的形变如平面内直线位移变化和角度变化，且其结构简单、使用方便、测量精度高、测量稳定性和有效性强、生产成本低，便于推广使用。
-
-
-
-
-
Search Results
17
records
(took 0.036 seconds)
