粗差探测的概述

粗差，亦称过失误差或反常误差，它是由观测时的仪器精度达不到要求、技术规格的设计和观测程序不合理，以及观测者粗心大意和仪器故障或技术上的疏忽等引起的。

具有粗差的观测值称为坏值或异常值，使观测成果明显偏离真值，因此必须制定有效的操作程序或检核方法去发现并将其剔除，使其不影响测量结果。

在水准测量平差计算中，一般都是对一系列带有偶然误差的观测值进行处理，运用概率统计的方法来消除其中的不符值。

但偶然误差和各种系统误差往往并存，此时就需在观测过程中采用一定的方法来消除或减弱系统误差其对观测成果的影响，同时用闭合差是否超限来检验观测值中是否含有粗差，所以在平差计算中对系统误差和粗差均需要考虑。

对于粗差，无论是其位置还是大小都没有先验的了解，粗差仅影响极个别观测数据。

不能采用补偿和消除影响的自检校平差法处理。

粗差中相当大的一部分很可能在平差中被吞没掉，而只有一小部分反映到残差中，因而使得粗差的发现和定位变得十分困难。

近几年来发展了两种基本的处理粗差的方法:剔除和修正。

所谓剔除，就是探测粗差，而探测出后就要剔除;所谓修正，就是采用抗干扰性强的估计方法，控制粗差对平差结果的影响，或对含粗差的观测值进行修正，以修正后的观测值取代原来的观测值。

粗差作为模型误差，可从两个角度理解，模拟粗差可用均值移动模型，第一种为均值漂移模型，这种方法将含粗差的观测值看作与其他同类观测值具有相同的方差、不同期望的一个子样，即
()()()~22~,~()
i i i l N E l l l N E l j i δδ⎛⎫+∇ ⎪⎝⎭+≠
可根据假设检验理论，依据平差的结果严格构建相应的统计量，在给定的第二章建筑物安全监测数据粗差探测显著性水平0α下，与临界值K α相比较，从而判断相应的观测值是否包含粗差。

第二种为方差扩大模型，含粗差的观测值可以看作与其他同类观测值具有相同的期望，不同的方差的子样，将粗差视为随机模型的一部分，含粗差观测值的方差将异常的大，即
()()()()2222~,()~,()i
i i l l j l N E l l N E l j i δδδδ>>≠
从这个角度出发进行粗差定位，是根据逐次迭代平差的结果来不断改变观测值的权重，最终使含粗差的观测值的权趋向于零，从而达到剔除粗差的目的。

此方法的核心是选择合理的权函数，目前有从稳健估计法出发的各种经验给权方法和由最小二乘法验后方差估计原理出发，导出其权函数。

此外粗差探测还可以直接从改正数的绝对值总和最小的条件出发来探讨，这是一种线形规划的方法，脱离了最小二乘直接解法。