文献

J-GLOBAL ID：201802248202679548   整理番号：18A1162550

灰色ロバストトータル最小二乗推定および高鉄道ベース変形予測【JST・京大機械翻訳】

Robust Total Least Squares Estimated in GM(1,1) for High-Speed Railway Foundation Deformation Prediction

著者 (5件)： Chen Yang (桂林理工大学測絵地理信息学院,桂林市雁山街319号,541006) ,  Wen Hongyan (桂林理工大学測絵地理信息学院,桂林市雁山街319号,541006) ,  Tan Hui (桂林理工大学測絵地理信息学院,桂林市雁山街319号,541006) ,  Wang Qingtao (桂林理工大学測絵地理信息学院,桂林市雁山街319号,541006) ,  Zhou Lv (武漢大学測絵学院,武漢市珞yu路129号,430079;東華理工大学江西省数字国土重点実験室,南昌市广蘭大道418号,330013)
資料名： Dadiceliang Yu Diqiudonglixue  (Dadiceliang Yu Diqiudonglixue)
巻： 38  号： 2  ページ： 141-146  発行年： 2018年 
JST資料番号： C2664A  ISSN： 1671-5942  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 最小二乗推定と部分変数誤差モデルの最小自乗推定は,粗悪さに抵抗する能力を持たない。粗差が灰色白化微分方程式の観測値と係数行列に同時に出現するため、本文はIGGIIIの抗差異方案に基づく部分変数の全体最小二乗ロバスト推定を提案した。シミュレーションデータと高鉄道基底観測データを結合して,ロバスト最小二乗法,部分変数の最小自乗,アルゴリズムのパラメータ推定結果,およびアルゴリズムの安定性を系統的に比較した。結果により、本文のアルゴリズムの予測精度が高く、高鉄道基沈下予測に応用できることが明らかになった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 基底 ,  最小二乗法 ,  ロバスト推定 ,  アルゴリズム ,  微分方程式 ,  *最小二乗推定 ,  白化 ,  *予測 ,  パラメータ推定 ,  *ロバスト性
準シソーラス用語： 沈下予測 ,  予測精度 ,  係数行列 , 【Automatic Indexing@JST】

著者キーワード (4件)： robust partial errors-in variables total least squares estimation ,  GM(1 ,  1) ,  high-speed railway subsidence prediction

分類 (3件)： 信号理論  (ND02020G) ,  システム同定  (IA02040O) ,  固体デバイス製造技術一般  (NC03030V)

タイトルに関連する用語 (6件)： 灰色 ,  ロバスト ,  トータル ,  最小二乗推定 ,  鉄道 ,  予測