Page 30 - 《武汉大学学报(信息科学版)》2025年第10期
P. 30

第 50 卷第 10 期   王乐洋等:顾及设计矩阵误差时间序列 AR 模型精度评定的 Sieve 块自助采样方法                            1965


                4 结    语                                        [2]  李广春, 戴吾蛟, 杨国祥, 等 .  时空自回归模型在
                                                                     大坝变形分析中的应用[J].  武汉大学学报(信息科
                    为获取 AR 模型系数在统计意义上更具可靠                            学版), 2015, 40(7): 877-893.
                性的精度信息,若采用经典 LS 法,由于无法顾及                             LI  Guangchun,  DAI  Wujiao,  YANG  Guoxiang,  et
                                                                     al.   Application  of  Space-Time  Auto-Regressive
                设计矩阵误差,导致其参数估计与精度评定理论
                                                                     Model in Dam Deformation Analysis[J].  Geomatics
                缺乏严密性;若顾及设计矩阵误差并依据泰勒级
                                                                     and  Information  Science  of  Wuhan  University,
                数展开的方法进行精度评定,则需要计算非线性
                                                                     2015, 40(7): 877-893.
                函数的偏导数;若借助通过重采样来代替导数计                           [3]  张昊, 王琪洁, 朱建军, 等 .  对钱德勒参数进行时
                算的近似非线性函数的概率密度分布方法,通常                                变修正的 CLS+AR 模型在极移预测中的应用[J].
                无法保留时间序列观测数据内部的相关性结构。                                武汉大学学报(信息科学版), 2012, 37(3): 286-
                因此,为有效解决以上问题,本文在阐述块自助                                289.
                重采样原理的基础上,将 Sieve 自助法的思想融                            ZHANG  Hao,  WANG  Qijie,  ZHU  Jianjun,  et  al.
                入顾及设计矩阵误差的 AR 模型精度评定过程。                              Application  of  CLS+AR  Model  Polar  Motion  to
                                                                     Prediction Based on Time-Varying Parameters Cor‑
                根据分块准则和采样策略的不同,本文定义了 4
                                                                     rection  of  Chandler  Wobble[J].   Geomatics  and  In‑
                种 Sieve 块自助精度评定方法,并给出了相应的
                                                                     formation  Science  of  Wuhan  University,  2012,  37
                重采样步骤与精度评定流程,试图在顾及设计矩
                                                                    (3): 286-289.
                阵误差情形下,还能够避免精度评定过程中的导
                                                                [4]  王乐洋, 苗威 .  顾及有效角动量信息的地球自转参
                数计算并且保留原始数据的相关性,得到更加合                                数 中 长 期 预 报 方 法[J].  武 汉 大 学 学 报(信 息 科 学
                理的参数精度。                                              版), 2024, 49(10): 1846-1855.
                    模拟实验和北斗卫星精密钟差真实案例研                               WANG Leyang, MIAO Wei.  Medium-Long Term
                究表明,本文定义的 4 种 Sieve 块自助精度评定方                         Forecasting  Method  for  Earth  Rotation  Parameters
                法能够得到比经典 LS 法、传统的顾及设计矩阵                              Considering  Effective  Angular  Momentum  Informa‑
                                                                     tion[J].  Geomatics and Information Science of Wu‑
                误差解法更加精确的 AR 系数估值及其标准差。
                                                                     han University, 2024, 49(10): 1846-1855.
                在卫星精密钟差真实案例中,本文所给出的 MBB
                                                                [5]  吴飞 .  几种改进的地球自转参数预报方法[D].  徐
                法、NBB 法、CBB 法以及 SBB 法的 RMS 相比于
                                                                     州: 中国矿业大学, 2019.
                TLS 法 的 RMS 分 别 减 小 了 70.25%、78.65%、
                                                                     WU  Fei.   Several  Improved  Methods  for  Prediction
                70.89% 和 79.24%;进一步验证了本文精度评定                         of  Earth  Rotation  Parameters[D].   Xuzhou:  China
                流程的正确性和有效性,同时也说明将本文方法                                University of Mining and Technology, 2019.
                用于解决顾及设计矩阵误差 AR 模型精度评定问                         [6]  TAO  Y  Q,  HE  Q  N,  YAO  Y  F.   Solution  for  a
                题具有优势性。但本文方法以牺牲计算量为代                                 Time-Series AR Model Based on Robust TLS Esti‑
                价换取精度的提升,因此,建议在精度要求较高                                mation[J].  Geomatics, Natural Hazards and Risk,
                的情况下使用。本文研究成果完善了时间序列                                 2019, 10(1): 768-779.
                AR 模型的精度评定理论研究,随着 Sieve 块自助                     [7]  齐志军, 方兴, 吕志鹏 .  两种适用于线性回归 EIV
                                                                     模型的高崩溃污染率算法[J].  武汉大学学报(信息
                采样方法的引入,将拓展其在大地测量领域中的
                                                                     科学版), 2025, 50(1): 74-82.
                应用,对非线性平差理论的进一步丰富也将起到
                                                                     QI  Zhijun,FANG  Xing,LÜ  Zhipeng. Two  Algo‑
                积极的促进作用。
                                                                     rithms with High Breakdown Points Applied in Linear
                                                                     Regression EIV Model[J].  Geomatics and Informa‑
                              参    考   文   献
                                                                     tion  Science  of  Wuhan  University,  2025,  50(1):
               [1]  叶志伟, 尹晖, 张守建 .  AR 模型谱在超导重力数                     74-82.
                    据信号检测中的分析研究[J].  武汉大学学报(信息                  [8]  刘建, 王琪洁, 张昊 .  利用端部效应改正的 LS+
                    科学版), 2007, 32(6): 536-539.                      AR 模型进行日长变化预报[J].  武汉大学学报(信
                    YE  Zhiwei,  YIN  Hui,  ZHANG  Shoujian.   Using   息科学版), 2013, 38(8): 916-919.
                    AR Model Spectrum Algorithms to Detect Supercon‑  LIU  Jian,  WANG  Qijie,  ZHANG  Hao.   Prediction
                    ducting  Gravimetric  Signals[J].   Geomatics  and  In‑  of  LOD  Change  Based  on  the  LS  and  AR  Model

                    formation  Science  of  Wuhan  University,  2007,  32  with  Edge  Effect  Corrected[J].   Geomatics  and  In‑
                    (6): 536-539.                                    formation  Science  of  Wuhan  University,  2013,  38
   25   26   27   28   29   30   31   32   33   34   35