残差
- 基于深度可分离残差网络的遥感影像路网检测
示意图(b)2 残差模块残差模快是ResNet的重要技能,也是防止深度神经网络过拟合和梯度消失提升网络性能的重要方法,因此,自残差模块提出之后便得到了广泛的应用。常见的残差模块分为跨两层连接的残差模块和跨三层连接的残差模块。为提升路网检测的性能,防止网络出现过拟合现象,根据网络深度,该文采用的是跨两层连接的残差模块。3 深度可分离残差网络将深度可分离卷积运算与残差模块结合可构建深度可分离残差网络,深度可分离残差网络的结构示意图如图2(c)所示,深度可分离残
计算机技术与发展 2023年4期2023-04-21
- 基于非线性残差的JPEG 图像隐写分析
。在隐写分析中，残差有助于抑制图像内容、放大隐写信号。隐写分析特征往往是在残差图像上构建的。因此，残差图像的多样性对隐写检测结果至关重要。但是，DCTR、PHARM、GFR 这些当前主流的JPEG 图像隐写分析方法中残差图像生成方式较单一，都只使用线性滤波器得到残差图像，导致残差图像多样性不足，影响隐写检测的性能。线性和非线性滤波的结合在空域隐写分析的残差图像生成中起到十分重要的作用。例如，SRM（spatial rich model）[15]、TLBP（
通信学报 2023年1期2023-02-20
- 基于游程判别法和VMD残差修正的风电功率预测
态分解（VMD）残差修正的风电功率超短期预测模型.采用变分模态分解将原始风电功率序列分解，得到一系列不同中心频率的子序列，再利用序列之差提取残差序列，残差序列继承原始序列噪声分量与分解被屏蔽的真实分量，呈现波动性大，非线性复杂和不平稳的特点，采用t-SSA- LSTM模型并结合天气特征进行预测.利用频率游程判别法把子序列划分为低频分量类和高频分量类：低频分量呈现线性平稳的特点，采用自适应t分布麻雀搜索算法（t-SSA）优化自回归滑动平均模型（ARIMA）预
湖南大学学报·自然科学版 2022年8期2022-11-14
- 基于改进残差网络的热轧带钢表面缺陷研究
出了一种基于改进残差网络结构的模型，通过改进残差块结构与引入swish激活函数，使得该模型能够在满足深层卷积的同时提升模型精度与鲁棒性，并加快收敛速度。2 改进残差网络模型2.1 残差网络为了解决深层神经网络难以训练的问题，2015年由He K,Zhang X等人提出了一种全新的深度神经网络框架：残差网络[11-13](Residual Neural Network，Resnet)。残差网络通过在浅层网络和深层网络之间添加映射(Identity Mappi
计算机仿真 2022年7期2022-08-22
- 基于残差协方差的配网多个不良量测辨识与仿真
要意义。1 基于残差协方差的多个不良量测辨识配网中不存在输网电阻远小于电抗的特性，为此引入复数归一化理论，并利用残差灵敏度理论进行量测的区块划分，采用正则化残差理论实现多个区块的不良量测辨识。1.1 单位复数归一化传统上，电力系统的参数和变量是按单位（pu）基归一化的，在单位（pu）基上选择电压和功率基的实值。具体理论如下[3]：式中，αavg为平均R/X比，弧度；γavg为最大和最小R/X比的平均值，弧度；ε为功率因数指数。具体计算公式如下：式中，l代表
电工材料 2022年3期2022-06-22
- 概率统计的知识理解之残差与回归模型诊断
胡典顺摘 要：残差是观测值与预测值之差，它看似简单却蕴含了回归模型的许多重要信息. 通过对残差知识的深入梳理，介绍残差图，再用四个虚拟数据集探讨残差分析的必要性，最后借助实例展现模型建构与诊断过程，使师生更深入地了解残差和残差分析在回归模型中的重要作用，以便在实际生产、生活中利用数据构建并选取最佳模型.关键词：残差；残差图；残差分析；回归模型诊断一、引言在生产、生活中，人们经常会遇到各种各样的误差. 例如，在超市里购买的食盐其质量和它的标准质量有一定的误
中国数学教育（高中版） 2022年12期2022-05-30
- 稳健ARMA 残差控制图的构建及在金融市场的应用
an[1]提出的残差控制图方法,国内学者孙静[2]、张志雷[3]、范翔[4]和肖艳[5]等也对这一问题进行了研究,他们将呈现自相关过程的监控问题转化为相应的残差的监控,从而用自回归移动平均(Auto-Regressive Moving Average,ARMA)模型来拟合自相关过程,得到相应的残差序列;对于具有异方差性的数据,目前最流行的是Severin 和Schmid[6]、夏远强[7]、Sermad 和Roland[8]等学者提出的用波动的上、下控制限
数学理论与应用 2022年1期2022-04-15
- 逆变器短路与断路的故障检测
，可以推出对一组残差及其衍生函数的值设置不同的阈值，可以对逆变器的不同故障进行检测与分离。通过对逆变器的四种故障进行仿真分析，验证了该方法对故障的检测与分离是可行的。关键词：故障检测与分离;逆变器;状态空间平均法;残差Abstract：It is difficult to model the inverter due to the nonlinear of PWM. The state-space average method is used to mod
家园·电力与科技 2021年10期2021-11-18
- 影响汽油精制过程中的辛烷值损失模型
行拟合优度检验和残差检验。关键词：辛烷值、联立方程式、内生变量、外生变量、残差。一、建立联立方程模型1.1变量分析与选取由于本文主要研究影响辛烷值损失的影响因素预测，包含原料性质、产品性质、待生吸附剂性质、再生吸附剂性质以及操作变量，其之间相互影响，相互关联，故依据问题二关键因素的筛选，选取原料硫含量S0与原料饱和烃含量T代表原料性质代理变量;汽油硫含量S1作为产品性质的代理变量。汽油中辛烷值R以及18个操作变量为外生变量。1.2模型建立设联立方程计算经济
科学与生活 2021年21期2021-11-10
- 基于轻量深度残差网络的图像多类型噪声去除算法
积神经网络，利用残差学习和批量归一化来加速训练过程，提高盲高斯去噪的性能。Tai等[7]设计了一种新的神经网络MemNet，使用特征映射连接和跳过连接模块来进行图像超分辨率、高斯去噪。Wang等[8]提出了一种多尺度扩张卷积神经网络，基于多尺度扩张卷积在保存有价值的上下文信息的基础上提高去噪精度。Tian等[9]提出了一种新的增强卷积神经去噪网络方法，通过使用残差学习和批量归一化技术来解决训练困难的问题，并加速网络的收敛。目前，大多数现有网络仅解决单一类型
计算机应用与软件 2021年9期2021-09-15
- 残差T2控制图中多元自相关过程模型研究
过程转换为独立的残差，设计合理的残差控制图具有重要的现实意义。目前看，国内外学者已对残差控制图进行了大量研究。在国外，Layth和Harry首次提出了残差控制图[1]。Lu和Reynolds对比了残差均值和方差取不同偏移量时在Shewhart、CUSUM、EWMA三种控制图下的异同点[2][3]。对于整合应用控制图，Lin和Adams提议联合使用残差控制图和EWMA控制图[4]。国内对该领域的研究起步较晚，孙静、徐立广和杨穆尔是最先研究该领域的学者。他们在
统计理论与实践 2021年7期2021-08-15
- 气流纺转杯纺纱通道三维内流场数值模拟
s，数值模拟满足残差收敛性条件。结果显示：转杯内腔压力场梯度明显，静、动压从杯体中心逐渐向凝聚槽边缘增大;输纤管道出口处存在湍流速度，滑移面和凝聚槽流域气流速度（342～428.68m/s）相对较大;纺纱通道内部两路气流流线轨迹层界清晰、流向规律，流线特征符合压力场和速度场分析预期，为高速转杯流场特性及其纺纱机理研究提供了有力依据。关键词：纺纱;转杯;湍流;残差;凝聚槽;输纤管道;FLUENT中图分类号：TS104.2;TH113文献标志码：A文章编号：1
丝绸 2021年4期2021-05-07
- VSC-HVDC送端换流器IGBT开路故障诊断方法
，提出了基于电流残差的单相逆变器IGBT开路故障诊断方法。以上方法基于对三相逆变器或者单相逆变器IGBT开路故障特征的分析，无需依赖于训练样本，诊断算法较为简单，为逆变器的故障诊断提供了良好的思路，但是上述诊断算法并不能直接应用于整流器。随着VSC-HVDC系统的发展，VSC型的三相整流器得到了较为广泛的应用，为了保障其运行维护的可靠性与高效性，则需要对VSC-HVDC系统送端换流器(整流器)IGBT的开路故障进行分析，进而提出适用于VSC-HVDC系统送
电机与控制学报 2021年3期2021-03-31
- 基于深度残差网络的图像识别技术研究
卷积；梯度消失；残差网络；跳跃连接深度卷积神经网络是当前人工智能的研究热点，在图像分类领域已经取得了一系列突破［1-3］.卷积神经网络（CNN）的设计受到大脑神经学中的简单细胞和感受野发现的启发［4］，其网络主要由具有卷积滤波器的分层结构组成，卷积神经网络通过将滤波器与输入图像进行卷积生成下一层的特征向量，并利用共享参数实现数据的训练，网络中的上层代表了低水平的如边缘和色彩对比度等局部特征信息，而更深层次的网络则进一步捕获更复杂的特征［5］.当前研究大都通
韶关学院学报 2020年6期2020-07-17
- 基于正反残差块的人脸表情识别算法
算法，该算法融合残差块单元（Residual Block）、反残差块单元（Inverted Residual Block）进行对人脸表情的识别。算法先进行图像增强，缓解数据集规模小的问题，再通过Dropout等技术，尽可能减少过拟合、梯度爆炸和梯度消失等问题，并通过实验对新方法进行有效性验证。1 数据集与预处理人脸表情数据库规模较小，使用场景不复杂。人脸数据集仅对笑与不笑标记，而且笑容本身使用的肌肉较多，特征明显。本文使用Fer2013数据集，同时使用FE
软件 2020年5期2020-07-10
- 基于电压残差的三相逆变器故障诊断
电压采样信号结合残差理论进行故障诊断，不需要额外的传感器，而且可以集成到逆变器闭环控制程序中。电压残差法故障诊断是将延迟一个周期的相电压信号作为动态参考，与当前的相电压信号进行比较得到电压残差波形，通过设置合理的故障检测阈值，实现逆变器开关管开路故障的准确诊断。具有实现容易，不增加硬件电路，诊断速度快，对负载变化鲁棒性强等优点。1 电压残差法故障诊断原理在电路故障诊断中，残差是指实际测量值与估计值之间的差值[6]。三相逆变器发生故障后，电路的输出变量相比估
空军工程大学学报 2020年1期2020-06-12
- 基于傅里叶级数残差修正TDGM（1，1）的车流量预测模型
了基于傅里叶级数残差修正TDGM（1，1）的车流量预测模型。该模型首先应用离散灰色模型TDGM（1，1）对原始车流量序列进行建模，并得到初始预测值以及残差序列;然后通过傅里叶级数对残差序列进行二次拟合，同时对预测结果进行修正。通过实例分析以及对比试验表明，该模型可以有效提高车流量预测精度。Abstract： Traffic flow prediction is a key problem in urban transport system. However
价值工程 2020年13期2020-05-25
- 基于多路径残差网络交叉学习的图像超分辨率重建
效率。而后，利用残差网络的超分辨率重建模型SRResNet［15］和EDSR［16］进一步的提高了超分辨重建图像的质量。但是图像超分辨率重建的网络模型多为单支网络进行训练学习，不能够充分学习高低分辨率图像之间的映射关系。而为了增强网络学习能力，本文提出了基于多路径残差网络交叉学习的网络模型。首先利用训练更快、学习能力更强的残差网络进行训练学习训练数据集中高低分辨率图像映射先验信息，再扩展单支残差网络为3支独立的残差网络并联为网络模型，并使用原来学习的网络模
攀枝花学院学报 2020年2期2020-04-21
- 基于新型深度神经网络的民机表面缺陷识别
ion-net和残差模块的新型深度神经网络。首先，通过对各机场的在修飞机表面缺陷进行采样建立数据集，手段包括使用图像处理修复不合格图像、使用数据增强缓解数据类别不平衡、使用立方卷积插值法降采样保留图像特征等图像预处理操作。然后在自建的数据集上对新型深度神经网络与其他神经网络进行对比测试。实验结果表明，新型神经网络在较少的参数下能够达到最深的网络深度，且在自建数据集的测试集上的识别率和查全率分别为74.23%和62.29%，优于进行对比的其他网络。说明在一定
计算技术与自动化 2020年1期2020-04-09
- 基于深度残差网络图像分类算法研究综述①
11]提出了深度残差网络(deep residual network).在残差学习(residual learning)的启发下,网络中引入了恒等映射的设计,巧妙的缓解了由于深度增加带来的梯度爆炸或梯度消失以及网络退化的问题,提升了信息传递路径的数量,使得网络的深度可以由几十层推到千层.深度残差网络的出现极大的提高了系统的准确率,使得训练极深的网络成为可能,是图像分类领域具有重要意义的突破性进展.由于深度残差网络的优良特性,它被应用到多个领域,例如人脸识别
计算机系统应用 2020年1期2020-01-15
- 分数阶Rosenau-Haynam方程的残差幂级数解法
]等。本文将采用残差幂级数法(RPSM)[9]求分数阶Rosenau-Haynam方程的近似解析解，这是一种基于分数阶幂级数展开的分析方法，已被成功应用于多种分数阶微分方程。分数阶Rosenau-Haynam方程如下：(1)初始条件为(2)其中u=u(x,t)，α(0当α=1时，方程精确解：(3)1 残差幂级数法定义1[10-11]给定连续函数f(t),设n是大于等于α(α≥0)的最小整数，则Caputo分数阶导数定义为定理1[12]通过Caputo分数阶
陕西理工大学学报(自然科学版) 2019年6期2019-12-11
- GPS转换模型在高程控制测量中的应用研究
判。项目采用最大残差值、最小残差值两个精度特征参数进行评价，获得适合地形段内的最优转换模型。其中，残差值计算公式为：公式中，η1指测量点残差值，，与分别为原高程异常值与转换模型结果高程值。残差绝对值愈小，表示精度愈高；反之，则表示精度较差。3 不同地形条件下GPS高程转换模型应用3.1 狭长带状区域地段GPS高程转换从狭长带状区域路段的测量控制点图（如图2所示）可以看出，各个测量控制点几乎在一条斜线上，其中，K1～K8共8个测量控制点的基本参数已在GPS高
资源导刊(信息化测绘) 2019年6期2019-07-22
- 智能属性融合算法在教学系统当中的应用
键词：自适应性；残差；智能算法；自学习性中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2018）24-0113-02隨着信息技术的发展和高等教育体制改革的不断深入，高校实现了教育信息化，大大提高了工作效率。将智能属性融合算法技术应用于高校教务管理中，可以分析出重要的对决策或者预测有用的信息和知识，利用分析结果辅助教学，帮助教学管理者做出科学的决策。智能属性融合技术的目的是对“全信息”的融合处理，实现高层次的人脑分析处理问题功能的模拟
电脑知识与技术 2018年24期2018-11-26
- 自相关过程的EWMA残差控制图的设计与性能评价
程，众多学者提出残差控制图，即先拟合自相关过程的时间序列模型，再利用拟合模型的残差相互独立且服从正态分布的特性，以传统控制图直接监控残差序列值。传统控制图对中小漂移检测的灵敏性参差不齐，因此，为提高中小漂移的检测效能，Roberts（1959）[2]提出了指数加权移动平均（EWMA）控制图，EWMA控制图的特点是利用了历史数据，且该控制图可以对不同阶段的数据取不同的权重，距今越近的数据权重越大，距今越远的数据权重越小，它主要检测统计过程控制中的微小波动。Z
统计与决策 2018年17期2018-10-09
- 协整套利下的股票市场实证分析
GARCH模型；残差中图分类号：F830.91 文献标识码：A 文章编号：1008-4428（2018）06-0117-03一、 引言我国的金融市场起初不存在做空机制，所以一开始国内对统计套利的研究并不多见。2005年方昊引进并系统地介绍了统计套利的基本原理和交易策略，同时证实统计套利在我国封闭式基金市场的有效性。2007年在此基础上宗曦将残差序列标准差的0.75倍直接作为套利交易的信号，同时把2倍的标准差作为止损条件。2008年首次运用GARCH模型检验
市场周刊 2018年6期2018-09-19
- 关于运动软件的使用对大学生运动量影响计量分析
型；ols回归；残差一、变量的描述性统计分析我们通过网络问卷调查的形式共向全国收集到了469份问卷，首先通过运用STATA数据分析软件对所收集的数据进行了变量的描述性统计分析，包括分析其Obs（观测数）、样本均值（Mean）、标准差（Std.DEV.）、最小值（Min）及最大值（Max）。样本总数为469，三个变量的含义分别为：time为被解释变量，代表大学生平均每日实际运动时间，单位分钟，样本均值为85.30分钟，最小值为0分钟，最大值为180分钟，标准
财税月刊 2017年7期2018-07-09
- 基于参数指数非线性残差神经网络的脐橙病变叶片识别
于参数指数非线性残差神经网络的脐橙病变叶片识别杨国亮，许 楠*，康乐乐，龚 曼，洪志阳(江西理工大学 电气工程与自动化学院，江西 赣州 341000)摘 要：提出一种参数指数非线性(PENL)函数来改进残差网络，利用深度学习的新方法识别脐橙叶面病变，减少了整流线性损失，提升了训练效果。以脐橙叶面图像为样本，进行CNN训练，以区分出病变、缺素、正常及非此类物种4种类型，实现了对于脐橙疾病检测迅速且方便应用的分类模型，相比于传统植物病变识别方法具有极大的优势，
浙江农业学报 2018年6期2018-06-28
- 基于拉普拉斯结构的图像超分辨率重建
级预测金字塔层的残差图像，选择特定的初始化方法对网络权值进行初始化，加快模型收敛，并引入多通道映射提取更加丰富的特征，采用卷积级联，共享权重的方式进行图像超分辨率重构，改进的模型可以更好地重建出图像的纹理和细节。关键词：图像超分辨率重建; 拉普拉斯金字塔;残差;多通道;卷积级联;中图分类号：TP391.4 文献标识码：A 文章编号：1007-9416（2018）10-0000-00近年来，深度学习在图像处理领域取得了显著的研究成果。在大量
数字技术与应用 2018年10期2018-02-14
- 基于二阶自相关过程残差控制图的改进
del.关键词：残差；平均运行链长；自相关；漂移；MEC；MCE；统计过程控制Key words： residual；average run length（ARL）；autoregressive；shift；Mixed EWMA-CUSUM；Mixed CUSUM-EWMA；statistical process control中图分类号：O212.1 文献标识码：A 文章编号：1006-4311（2018）03-0192-040 引言在生产过程中，为了实
价值工程 2018年3期2018-01-23
- 基于MVU降维的捕捉数据自动分割
后的运动序列以及残差；然后在维度参数不变的情况下增大窗口区间，对其进行降维，同时通过迭代特征值估计降低计算复杂度；最后根据残差值的幅度跳变点衡量人体运动序列的分割点。通过实验，证明了该运动分割方法在准确率和召回率上均有良好的表现。【关键词】人体运动分割 最大方差展开 残差 迭代特征值随着运动捕捉的不断发展，其在电影电视，游戏动画，虚拟现实等产业的发展日新月异。在对运动捕捉数据的处理中，运动分割是尤为重要的一个环节。当采集的人体运动数据很多时，这些运动都保存
电子技术与软件工程 2017年19期2017-11-09
- 多重超平面完备残差图
)多重超平面完备残差图段辉明1,邵凯亮1,张清华1,曾 波2(1.重庆邮电大学理学院,重庆 400065)(2.重庆工商大学商务策划学院,重庆 400067)本文研究了任意维超平面完备残差图和多重超平面完备残差图,将Erd¨os、Harary和Klawe’s定义的平面残差图推广到任意维超平面.利用容斥原理以及集合的运算性质等方法,获得了任意维超平面完备残差图的最小阶和唯一极图,以及任意维超平面完备残差图的一个重要性质,同时获得了多重任意维超平面完备残差图的
数学杂志 2017年4期2017-07-18
- CVS中基于残差结构特征的块分类重构算法*
0)CVS中基于残差结构特征的块分类重构算法*杨春玲 李文豪(华南理工大学 电子信息学院， 广东 广州 510640)现有最好的视频压缩感知重构算法大都采用“预测-残差重构”策略，可有效利用帧内和帧间的相关性获得较好的性能，但是残差重构均直接采用SPL算法，忽略了残差信号自身的结构特征，限制了性能的进一步提升.针对该问题，文中提出了一种基于预测残差结构特征的块分类重构算法，首先利用残差块观测值的平均能量对残差块进行分类，然后对不同类的残差块采用不同的重构算
华南理工大学学报（自然科学版） 2017年3期2017-06-21
- 像移残差对图像技术调焦的影响
66041）像移残差对图像技术调焦的影响李明珠，张玉叶，徐国锋，王颖颖（海军航空工程学院青岛校区，山东 青岛 266041）像移残差是影响航空相机图像质量的重要因素，应用图像法对航空相机实时检调焦过程中，由于像移残差的存在，调焦精度降低。当前关于像移残差和调焦精度两者的之间关系没有通用性的理论性研究。从理论上分析了航空图像线性像移残差模型，给出了像移残差模型对评价函数的影响，得到像移残差与调焦曲线极大值呈负相关的关系。图像的像移残差量越大，调焦函数曲线的最
中国设备工程 2017年7期2017-04-10
- 基于带符号残差加权的手机定位方法
1)基于带符号残差加权的手机定位方法赵胜辉，赵情恩，王迪，翟迎灿，王迎雪(北京理工大学 信息与电子学院，北京 100081)在蜂窝网的移动终端定位中，非视距(NLOS)环境造成的误差是导致定位精度下降的主要原因.为降低NLOS误差的影响，本文提出了一种基于带符号残差加权的定位方法.该方法采用Chan算法算出移动台的初始位置，用带符号残差加权模型进行修正，再应用带符号残差辅助的泰勒级数展开法进行迭代，得到移动台的最终估计位置.仿真实验结果表明，与基于平方残
北京理工大学学报 2016年3期2016-11-24
- 改进的IMMPF算法在目标跟踪中的应用研究
最新观测量得到的残差值设置一个自适应系数来调整滤波器的似然函数分布，使得采样点向高似然区域移动，增加了采样区域和似然函数的重叠部分，在一定程度上保持了粒子的有效性和多样性，克服了粒子样本的贫化问题，从而改善了传统的IMMPF算法在滤波采样过程中没有考虑到当前最新的观测信息而导致使滤波性能下降的问题。经过仿真实验验证，该改进方法应用在机动目标跟踪中，可以有效地提高了跟踪性能的稳定性。【关键词】交互多模型粒子滤波算法 目标跟踪 残差 似然函数随着科学技术的发展
电子技术与软件工程 2016年8期2016-07-10
- 基于数据驱动的KPI系统最优滤波器设计
olation)残差,研究基于mDOs观测器的闭环Kalman滤波器设计方法,实现故障诊断和系统状态的有效观测.首先,基于采样数据得到大型复杂系统的KPI子空间模型,定义了跟踪误差,得到了闭环滤波器;其次,将残差序列表示为Hankel模型,通过定义正交投影补矩阵并选择恰当的数据列,构建出新的阈值矩阵;最后,得到Kalman滤波增益的计算方法,并给出了最优Kalman滤波器的设计步骤.结果表明,优化后残差的幅值降低至优化前的1/2.基于数据驱动的KPI系统最
东南大学学报（自然科学版） 2016年2期2016-06-22
- 不确定性平差模型的平差准则与解算方法
性平差模型。依据残差中不确定性传播规律，确定了残差最大不确定度达到最小的平差准则，利用迭代算法得到了不确定性平差模型的解算方法。通过实例分析了最小二乘平差、整体最小二乘平差和不确定性平差准则下最优解的不同特点，从另一个角度探讨了不确定性观测数据处理方法，推广了现有的误差理论。关键词：不确定度；平差准则；残差；整体最小二乘平差；平差模型1引言不确定性是一种广义的误差，是不精确性、模糊性、不明确性等概念的总称，它包含数值和概念的误差，也包含可度量和不可度量误差
测绘学报 2015年2期2016-01-07
- 测量数据的残差分析法
利用最小二乘拟合残差法分离拟合多向式的可行性，并提出了该方法在数据处理中应用的可行性。关键词：残差；趋势项；周期项；最小二乘法中图分类号：TB9 文献标识码：A DOI：10.15913/j.cnki.kjycx.2015.19.080测量船在海上航行时，由于测量工况、任务海况、气候和设备性能等原因，测量设备获取到的测量数据不可避免地会存在一定的随机误差。精确计算随机误差，一方面，可以更好地检验设备的性能；另一方面，有助于提高数据处理精度。在无线电测量设备
科技与创新 2015年19期2015-10-14
- “北斗”导航卫星定轨残差特征提取与分布检验
斗”导航卫星定轨残差特征提取与分布检验陈略1,2唐歌实1,2崔红正1,2陈明1,2刘荟萃1,2王美1,2(1 北京航天飞行控制中心，北京 100094) (2 航天飞行动力学技术国家级重点实验室，北京 100094)针对“北斗”导航卫星定轨残差中非建模系统误差问题，提出基于总体平均经验模式分解(EEMD)与Hilbert谱分析相结合的定轨残差特征提取方法，并对定轨残差正态分布特性进行卡方检验。首先，分析总体经验模式分解原理，提出滤波辅助的改进EEMD方法与
中国空间科学技术 2015年2期2015-06-09
- 格尔木地震台初至波到时残差分析*
一定时差，即到时残差或称为波速异常。1956年宫本贞夫通过研究福井7.2级地震发现，震前在震中距400～600 km的首波异常达到± (2～3)s，这是首次观测到大震前波速异常现象 (冯德益，1981)。随着地震学的发展，利用P波走时残差研究更加广泛，不仅更多的用来研究地球内部结构，还用地震前的波速异常来预测地震 (冯德益等，1980;顾瑾平，盛国英，1983;冯锐等，1976;姜秀娥，陈非比，1981;戴维乐，1991)。此后全球地震工作者对波速异常进行
地震研究 2014年1期2014-12-25
- 基于多普勒辅助的电离层残差探测与修复周跳改进方法
法产生,如电离层残差法[5]、M-W法(双频码相组合法)[6],电离层残差法是目前周跳探测与修复相对最准确的方法,可以准确探测到1周的小周跳,但当多个频点于同一历元发生周跳时,无法有效地进行周跳探测与修复。本文充分研究电离层残差法与多普勒积分探测周跳的原理以及特点,提出了一种基于多普勒辅助的改进的电离层残差法来探测与修复周跳,并通过实验分析证明了该改进的方法有效解决了电离层残差法存在的上述问题,当多频点于同一历元发生周跳时,也能探测与修复小至1周的周跳,提
全球定位系统 2014年5期2014-08-21
- 连续型过程的二元残差T2控制图
续生产过程，采用残差T2控制图，用钢铁联合企业的实际数据进行分析，研究了在稳定状态和不稳定状态下的传统T2控制图和残差T2控制图，比较在两种状态下两控制图的平均运行链长ARL的大小，验证了残差T2控制图能够有效的控制连续型过程的多元自相关过程。关键词：连续型过程；残差；T2控制图；ARL0 前言统计过程控制[1]是一种运用统计技术对生产过程质量进行监控的方法，以发现和预测生产中可能出现的异常现象。统计过程控制常用的工具是控制图，控制图[2]是休哈特博士于1
科技经济市场 2014年2期2014-06-20
- 基于GPS测站坐标残差序列的小波工具应用与分析
究GPS测站坐标残差序列时，考虑到残差序列理论意义上整体都是噪声，那么通过选取特定的阈值和小波基函数，从残差序列中提取的噪声，通过试验，本文发现这些提取的噪声实际具有一些非线性周期变化规律，这些具有研究价值的非线性变化规律已经不再是传统意义上的随机噪声，而是包含了因各种地球物理机制以及GPS本身系统性误差引起的测站坐标非线性变化规律。因此，通过灵活应用小波去噪思想，对于进一步直观地研究GPS测站坐标残差序列的非线性变化规律，进而提高地心坐标精度有重要意义。
测绘工程 2013年1期2013-12-06
- 模型误差补偿技术在路基沉降预测中的应用
模型误差，用基于残差的神经网络方法对预测模型进行补偿.由预测模型计算模型残差，借助神经网络根据残差对预测模型进行补偿，将预测模型与补偿结果叠加获得补偿后的实用模型.对同一地质情况不同软基处理方式进行工程实例验证，结果表明:基于残差的神经网络方法能有效补偿模型误差，神经网络方法补偿后的路基沉降预测模型，其预测精度平均提高了56%，优于原预测模型.关键词:模型误差;误差补偿;残差;神经网络;路基沉降预测2004年，交通部制定了《国家高速公路网规划》.国家高速公
东南大学学报（自然科学版） 2013年2期2013-09-17
- 残差自适应回归TLS*
庄050000)残差自适应回归TLS*陈西江1，2)花向红1，2)鲁铁定3)翟高鹏4)杨燕景3)(1)武汉大学测绘学院，武汉 430079 2)武汉大学灾害监测与防治研究中心，武汉 430079 3)东华理工大学测绘工程学院，抚州 344000 4)河北省测绘产品质量监督检验站，石家庄050000)TLS在拟合及推估过程中，其拟合和推估的残差会随着观测数据量的增加而呈现上扬的趋势，为了抑制残差的上扬，将自适应回归模型引入到TLS的拟合及推估中，采用适宜的回
大地测量与地球动力学 2012年3期2012-11-14