一种基于F-J线性-非线性模型解的迭代最小二乘方法

Authors：张彦栋; 许才军; 汪建军

Source：武汉大学学报(信息科学版), 2019, (12): 1816-1822.

DOI：10.13203/j.whugis20180117

• 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
• 震间形变模型
• Mogi模型 linear-non-linear models
• Bayesian theory
• MCMC
• iterative least squares
• interseismic deformation model
• Mogi model

基于贝叶斯理论的线性与非线性模型反演方法(Fukuda-Johnson, F-J)已广泛应用于地球物理模型的线性-非线性参数反演。但F-J方法的反演结果可能受马尔可夫链蒙特卡洛采样(Markov chain Monte Carlo,MCMC)经验参数选择的影响,而反复调试合适的经验参数需耗费大量计算时间。对线性与非线性模型进行线性化后,也可以利用迭代最小二乘方法反演,但该方法难以选择合适的初始值。为提高参数反演计算效率和避免参数初值选择影响,提出了一种以F-J方法模型解为初始值的迭代最小二乘方法。该方法只需计算一次F-J方法模型解和有限次最小二乘迭代,既提高了F-J方法的反演效率,又能获得迭代...

• Institution
  武汉大学测绘学院