论文摘要
介绍了基于贝叶斯理论的线性-非线性模型的反演方法（F-J方法）,在理论上可以求出模型参数的概率分布,可以通过马尔可夫链蒙特卡洛（Markov chain Monte Carlo, MCMC）采样估计参数值及其精度。为了评估F-J方法反演效果,给出了线性-非线性模型的最小二乘方法以及假设检验步骤。针对MCMC采样算法中参数的随机游走步长会影响最佳采样数量的问题,对采样算法作了改进,模拟数据算例表明,改进的采样算法基本消除了部分参数游走步长选取不合适对确定采样次数的影响,解决了随机游走采样难以确定最佳采样点数量的问题。
论文目录
文章来源
类型: 期刊论文
作者: 张彦栋,陈建忠,赵中飞
关键词: 线性非线性模型,贝叶斯理论,马尔可夫链蒙特卡洛,迭代最小二乘,假设检验,改进采样算法
来源: 测绘地理信息 2019年06期
年度: 2019
分类: 基础科学,信息科技
专业: 自然地理学和测绘学
单位: 武汉大学测绘学院,山东省国土测绘院
基金: 国家自然科学基金(41431069)
分类号: P22
DOI: 10.14188/j.2095-6045.2017343
页码: 83-88
总页数: 6
文件大小: 157K
下载量: 23
相关论文文献
- [1].一种基于F-J线性-非线性模型解的迭代最小二乘方法[J]. 武汉大学学报(信息科学版) 2019(12)
标签：线性非线性模型论文; 贝叶斯理论论文; 马尔可夫链蒙特卡洛论文; 迭代最小二乘论文; 假设检验论文; 改进采样算法论文;