| 摘要 | 第1页 |
| Abstract | 第5-6页 |
| 详细摘要 | 第6-9页 |
| Detailed Abstract | 第9-15页 |
| 1 绪论 | 第15-25页 |
| ·论文选题背景及研究意义 | 第15-16页 |
| ·动态变形分析及预测研究现状与发展 | 第16-18页 |
| ·动态变形分析及预测的发展史 | 第16-17页 |
| ·动态变形分析及预测的发展趋势 | 第17-18页 |
| ·变形预测模型构建尚存的若干问题 | 第18页 |
| ·贫信息小样本时空动态变形预测研究 | 第18-22页 |
| ·对贫信息小样本动态变形的几点阐释 | 第18-19页 |
| ·贫信息小样本时空动态变形预测研究综述 | 第19-20页 |
| ·贫信息小样本时空动态变形建模存在的问题 | 第20-22页 |
| ·论文研究的主要内容 | 第22-25页 |
| 2 未知概率分布小样本变形数据多维粗差的灰探测 | 第25-43页 |
| ·变形粗差的概念 | 第25-27页 |
| ·变形粗差及其来源 | 第25-26页 |
| ·变形粗差的特点 | 第26页 |
| ·变形粗差对数据处理的影响 | 第26-27页 |
| ·变形粗差的一般探测方法 | 第27-31页 |
| ·逻辑判别法 | 第27页 |
| ·统计判别法 | 第27-29页 |
| ·Baarda 粗差探测法 | 第29页 |
| ·抗差估计法 | 第29-30页 |
| ·现有粗差探测方法中的问题 | 第30-31页 |
| ·变形粗差的灰包络线探测方法 | 第31-35页 |
| ·灰色误差 | 第31-32页 |
| ·灰包络曲线的构造 | 第32-34页 |
| ·灰包络曲线粗差判别准则 | 第34-35页 |
| ·灰包络线探测粗差算例 | 第35-41页 |
| ·数据源 | 第35页 |
| ·单一粗差的灰包络线探测 | 第35-38页 |
| ·多维粗差的灰包络线探测 | 第38-41页 |
| ·灰包络线法探测粗差的几点讨论 | 第41页 |
| ·本章小结 | 第41-43页 |
| 3 贫信息小样本时空动态变形的空间单点、多点预测模型 | 第43-75页 |
| ·基于 GM（1,1）的空间单点预测模型 | 第43-48页 |
| ·空间单点预测模型数据的生成 | 第43-45页 |
| ·GM (1,1) 模型的基本形式 | 第45页 |
| ·灰色模型参数 a 和 u 的求解 | 第45-47页 |
| ·GM (1,1) 模型精度检验 | 第47-48页 |
| ·空间单点预测模型群的建立 | 第48-52页 |
| ·GM (1,1) 模型群 | 第48-49页 |
| ·算例分析 | 第49-51页 |
| ·空间单点预测模型群的几点讨论 | 第51-52页 |
| ·空间单点预测 GM (1,1)模型背景值的重构 | 第52-60页 |
| ·背景值误差来源分析 | 第52-53页 |
| ·已有的背景值构造方法研究 | 第53-54页 |
| ·基于非齐次指数函数的背景值重构 | 第54-57页 |
| ·算例分析 | 第57-59页 |
| ·背景值重构方法的讨论 | 第59-60页 |
| ·空间单点预测 GM (1,1)模型初始值的优化 | 第60-64页 |
| ·以 x(0)(1)为初始条件的 GM(1,1)模型 | 第60-61页 |
| ·以 x(1)(n)为初始条件的 GM(1,1)模型 | 第61页 |
| ·基于变形数据滚动的 x(1)(n) GM(1,1)模型 | 第61-62页 |
| ·算例分析 | 第62-64页 |
| ·初始值优化后预测精度提高的原因分析 | 第64页 |
| ·基于双重优化的空间单点预测 GM (1,1)模型 | 第64-68页 |
| ·双重优化空间单点预测模型的构建 | 第65页 |
| ·算例分析 | 第65-68页 |
| ·顾及点位关联的空间多点预测模型 | 第68-74页 |
| ·顾及点位关联的空间多点预测模型的构建 | 第68-69页 |
| ·模型参数的求解 | 第69-70页 |
| ·预测模型及精度评定 | 第70页 |
| ·算例分析 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 4 贫信息小样本时空动态变形组合预测模型 | 第75-99页 |
| ·变形分析与预测模型特点评述 | 第75-76页 |
| ·串联式组合预测模型的构建 | 第76-77页 |
| ·GM(1,1)与线性回归串联组合预测 | 第77-83页 |
| ·灰线性组合模型 | 第77-79页 |
| ·算例分析 | 第79-83页 |
| ·GM(1,1)与时序 AR(p)串联组合预测 | 第83-87页 |
| ·GM(1,1)与 AR(p)模型的比较 | 第84页 |
| ·灰时序组合模型 | 第84-85页 |
| ·算例分析 | 第85-87页 |
| ·并联式组合预测模型的构建 | 第87页 |
| ·线性定权并联组合模型 | 第87-89页 |
| ·RBF 非线性定权并联组合模型 | 第89-95页 |
| ·RBF 神经网络原理 | 第89-90页 |
| ·基于 RBF 的非线性定权方法 | 第90-91页 |
| ·RBF 网络最优拓扑结构的建立 | 第91-92页 |
| ·算例分析 | 第92-95页 |
| ·线性定权与非线性定权的讨论 | 第95-96页 |
| ·串联、并联式组合预测效果的比较 | 第96-97页 |
| ·本章小结 | 第97-99页 |
| 5 变形平差系统模型误差的识别与控制 | 第99-115页 |
| ·变形平差系统的模型误差及其精度 | 第99-102页 |
| ·变形平差系统的模型误差 | 第99-100页 |
| ·模型偏差δ的均方误差 MSE | 第100-101页 |
| ·模型误差 S 的识别 | 第101-102页 |
| ·模型误差的半参数补偿方法 | 第102-105页 |
| ·半参数模型 | 第102-103页 |
| ·补偿最小二乘约束下半参数的解 | 第103-105页 |
| ·正则矩阵 R 的选取 | 第105-106页 |
| ·平滑参数α的确定 | 第106-107页 |
| ·平滑参数α的常用确定方法 | 第106页 |
| ·平滑参数α求取的一种新方法 | 第106-107页 |
| ·算例分析 | 第107-114页 |
| ·数据源 | 第107页 |
| ·模型误差的识别计算 | 第107-109页 |
| ·正则矩阵 R 的选取对变形预测结果影响分析 | 第109-111页 |
| ·平滑参数α的选取对变形预测结果影响分析 | 第111-112页 |
| ·半参数模型与单一模型预测效果比较 | 第112-113页 |
| ·半参数模型与组合模型预测效果比较 | 第113-114页 |
| ·本章小结 | 第114-115页 |
| 6 结论与展望 | 第115-119页 |
| ·主要研究成果 | 第115-116页 |
| ·论文的主要创新点 | 第116-117页 |
| ·论文的后续研究工作 | 第117-119页 |
| 参考文献 | 第119-125页 |
| 致谢 | 第125-127页 |
| 作者简介 | 第127-128页 |
