第3章 平差随机模型的验后估计
测量平差的数学模型
本节重点:(1)测量平差的函数模型定义,类型;测量平差的数学模型包括:条件平差法模型、间接平差法模型、附有参数的条件平差法模型、附有限制条件的间接平差法模型、综合平差模型;(2)测量平差的随机模型。
本节教学思路:首先说明平差的数学模型分两类:函数模型与随机模型,进而分别阐述其定义、分类及建立的方法和模型的具体形态。
教学内容:一、平差模型的定义与分类1 •从模型的性质分:函数模型、随机模型,函数模型连同随机模型称平差的数学模型;2 •函数模型又分为:条件平差法模型、间接平差法模型、附有参数的条件平差法模型、附有限制条件的间接平差法模型、综合平差模型;二、各类函数模型的建立(一)概述1 •函数模型定义:在科学技术领域,通常对研究对象进行抽象概括,用数学关系式来描述它的某种特征或内在的联系,这种数学关系式就称为函数模型。
2.函数模型的意义与特点函数模型是描述观测量与待求量之间的数学函数关系的模型。
对于一个平差问题,建立函数模型是测量平差中最基本、最重要的问题,模型的建立方法不同,与之相应就产生了不同的平差方法。
函数模型有线性与非线性之分,测量平差通常是基于线性函数模型,当函数模型为非线性时(如(2-1-4 )式),总是要将其线性化。
(二)各种经典平差方法及其线性函数模型的建立方法。
1.条件平差法及其函数模型首先通过两个例子,来说明条件平差函数模型的建立方法。
A图2-2在图2-1中,观测了三个内角,n=3, t=2,贝U r=n-1=1,存在一个函数关系式(条件方程),可以表示为:L i L2 L3 -180 = 0令A13=[1 1 1]3 1 =[ L1 L2 L3 ] TA O=[-18O]则上式为AL A0 ~ 0(2-2-1 )再如图2-2水准网,D为已知高程水准点,A、B、C均为待定点,观测值向量的真值为〜〜[h i6 1 1〜〜〜〜〜h2 h3 h4 h5 h6 ]其中n=6,t=3,则r=n-t=3,应列出3个线性无关的条件方程,它们可以是:F i(~) * -h2 -~4 =0F2(~)-~3 E = 0F3(~)=~ _忘 _~6 =0AL =0(2-2-2 )般而言,如果有 n 个观测值Ll ,必要观测个数为t ,则应列出r=n-t 个条件方程,(2-2-3)如果条件方程为线性形式,则可以直接写为A ~ A 0 = 0r ::n n 1 r 1 r 〉」1将[二L •厶代入(2-2-4 )式,并令(2-2-4)则(2-2-4 )式为W - -(AL A o )(2-2-5)(2-2-6)(2-2-4 )或(2-2-6 )式即为条件平差的函数模型。
第3章最小二乘平差
几何模型、物理模型或几何、物理综合模型。 (测量控制网如水准网、三角网、GPS网等都属于几何模型) 建立不同的函数模型,就有了不同的平差方法。测量中常 用的有: 1、条件平差法、附有参数的条件平差; 2、间接平差法、附有限制条件的间接平差;
3、附有限制条件的条件平差法。
例如:为确定一个三角形的形状,若等精度独立 观测了三角形三个内角,观测值方差为 2 。 则平差的数学模型可表达为:
L1 L1 L1 1800 0 或: E ( L1 ) E ( L1 ) E ( L1 ) 1800 0
函数模型:
随机模型:
2 0 0 Q11 0 2 DL 0 2 0 0 0 Q22 2 0 0 0 0
1、条件平差法
条件平差的函数模型 观测值的数学期望之间的函数关系式,又称为条件方程。 条件平差 以条件方程为函数模型的平差方法,称为条件平差方法。
h1 h5 h4 0 h2 h5 h6 0 h3 h4 h6 0 h1 h2 h3 0
h1 h5 h4 0 h2 h5 h6 0 h3 h4 h6 0 h1 h2 h3 0 h1 h2 h4 h6 0 .......
X1
X2
L3 X 1 X 2 180
0
t=2,选2个参数,函数模型:
选:X 1 L1 X 2 L2
1 0 0 , B0 0 B 0 1 0 1 1 180
3,1
L B XB
3,2 2,1
0
3,1
h1 h5 h4 0 h2 h5 h6 0 h3 h4 h6 0
现代测量平差原理及其模型误差分析
D ( X q ) 0 2 ( A T q ) 1 A A T q 1 q ( A P T q ) 1A
D (X q)D (X )
E(02)E(vTfqq v)02
3)随机模型误差对函数模型的影响
函数模型
H 0 : E ( Y ) 0 ;H 1 : E ( Y ) Y
LA X G Y
阵不尽合理等原因都会造成函数模型和随机模 但在实际平差系统中,由于种种原因的建模近似,例如非线性观测方程的线性化;
权的正确值应为p,现定权为q
型产生误差。模型近似在回归拟合模型中则更
为突出。
4、模型误差若干理论问题
1)函数模型不完善参数估计性质
函数模型不完善或者说存在函数模型误差,可理
解为所建模型的参数个数过多或不足。当参数
DXˆ
Q2
0 XˆXˆ
秩亏自由网平差
R(A)=t<u
d=u-t R(Q)=n X非随机
V T P V minX T X min
Xˆ Nm- ATP V AXˆ
QXˆXˆ N
ˆ02
VT PV nR(A)
VT PV nt
DXˆ 02QXˆXˆ
具有奇异协方差的平差模型
R(Q)=g<n R(A)=u X非随机
为核心的数据采集技术。 4、模型误差若干理论问题
4〕函数模型误差和随机模型误差相互转化
1、测量平差数学模型
函数模型是描述观测量与待求参数间的
数学函数关系的模型,是确定客观实际的本 质或特征的模型。
随机模型是描述平差问题中的随机量
(如观测量)及其相互间统计相关性质的模 型。
经典平差模型
LAX
n1 nuu1 n1
第三章条件平差
独立三角网
自由三角网
自由测角网
附合三角网(测角)
• 例:
∆ቤተ መጻሕፍቲ ባይዱ
α ∆
当n=35、n=22、n=35+22时,其条件式个数各为多 少?有哪些类型?
图形条件(内角和条件):
B
b1
a2
c1 D c2 a1 b3 c3 a3 b2 C
A
圆周条件(水平条件):
b1
a2
c1 a1 a3 c3
c2 b2 b3
5.1.06、 5.1.07
上节内容回顾:
改正数条件式 观测值的协方差阵 法方程
AV W 0
D P Q
2 0 1 2 0
r n n n
Naa K W 0 N aa AQ AT
r r n r
改正数方程
V P A K QA K
T
1 T
wr
T
• 则条件方程可写成:
ˆA 0 AL 0
• 以及改正数条件式:
W AL A0
AV W 0
这样一来,对于一个平差问题,我们能够得到 其数学模型:
AV W 0 D P Q
2 0 1 2 0
下面要解决的问题是: 由上述的数学模型来求改正数V。
不难发现,不能求得V的唯一解!!! 解决不唯一解的办法就是附加一个约束条件---“最小二乘估计” 即满足:
极条件(边长条件):
b1 a2
c1
a1 b3 c3
c2 b2 a3
极条件(边长条件)就是指由不同路线推算得到 的同一边长的长度应相等。
三角网的基本图形 1) 单三角形 2)大地四边形
3)中点多边形。
第三章 监测网平差及参考点稳定性检验
V T PV s nt d
求 ( NN ) : 可以在方阵中任意去掉d行、d列,把余下的式子 (已是满秩的)求出凯来逆,再在原来去掉的行、列补上0, 即为NN的一个广义逆。
因广义逆不唯一,但可以证明,用不同的广义 逆(NN)-代入上式后,求得的X向量却是相同的, 故X有唯一解!
3.3 秩亏自由网平差
2 X T 2K T N 0 X
X NK
X NK
T NNK A Pl 代入法方程,有:
NX AT Pl
K ( NN ) 1 AT Pl
X N ( NN ) 1 AT Pl
NN 仍是秩亏的,但
X N ( NN ) 1 AT Pl 却是惟一的
观测改正数: V AX l ( AN ( NN ) 1 AT P E )l 单位权方差:
3.3 秩亏自由网平差
四、 秩亏自由网平差——直接解法
问题的提出:在秩亏自由网平差中,如果像经典平差平差那样,只 要求遵循最小二乘原则求未知参数的解,将不可能取得唯一确定 的估计量; 解决方法:为了得唯一确定的估计量,需要在遵循最小二乘原则基 础上附加另外条件; 附加条件的前提:该条件的确定应保证所求得的未知数的估计量 是最优的. 这样的最优解是唯一存在的,它就是法方程的最小范数解!
3.2 监测网经典平差
一、间接平差原理
误差方程式:
L V AX
设观测值权为 P ,根据最小二乘原理:
V T PV min
求极值,有:
d (V T PdX
AT PV 0
3.2 监测网经典平差
AT P( AX l ) 0 AT PAX AT Pl
7.3mm
H P H P 0 H P 103.455m 7.3mm 103.4623
《平差数学模型》PPT课件
一般而言,如果某一平差问题中,观测值
个数为n,必要观测个数为t,多余
观 测 个 数 为 r=n-t , 再 增 选 u 个 独 立
参 数 , u=t , 则 总 共 应 列 出
c=r+u=n 个 函 数 关 系 式 , 其 一 般 形
式为
L~ F(X~)
n1
或:
L~BX~d
n1 nt t1 n1
将 L ~L代入上式,并令
则:
l Ld
BX~l
n1 nt t1 n1
上式就是间接平差的函数模型。
03.02.2021 8
第二节 测量平差的数学模型
一、函数模型
L~ F(X~)
4. 附有条件的间接平差法
n1(X~) 0
如果在某平差问题中,选取u>t个参数,线性形式的S1函数模型为
其中包含t个独立参数,则多选的 s=u- t个参数必定是t个独立参数 的函数,即在u个参数之间存在着s 个函数关系式。方程的总数
产生矛盾
平差
求改正数V
L1L2L3180
消除矛盾
Lˆi Li Vi
“观测值估值” (又叫平差值、 最或是值、最 或然值)来代 替观测值
我们把按照某一准则求得观测值新的 一组最优估值的计算过程叫平差。
V称为观测值的改 正数
03.02.2021 5
第二节 测量平差的数学模型
• 在科学技术领域,通常对研究对象
7
第二节 测量平差的数学模型
一、函数模型
3. 间接平差法
参选数择几X~ 何,模将型每中一t个个观独测立量量表为达平成差 u 1
所选参数的函数,共列出 r+u=r+t=n个这种函数关系式,以 此作为平差的函数模型的平差方法 称为间接平差。(见例子)
数学建模中的随机过程模型及其参数估计
数学建模中的随机过程模型及其参数估计随机过程是数学建模中常用的一种工具,它描述了随机变量的动态演化过程。
在数学建模中,我们经常会遇到需要建立随机过程模型并估计其参数的问题。
本文将介绍数学建模中常用的随机过程模型以及参数估计的方法。
一、随机过程模型1. 随机游走模型随机游走模型是最简单的随机过程模型之一,其描述了一个随机变量在时间序列上的演化过程。
在随机游走模型中,当前的变量值等于前一个变量值加上一个随机扰动。
随机游走模型广泛应用于金融领域中股票价格的建模。
2. 马尔可夫链模型马尔可夫链模型是一种随机过程模型,具有马尔可夫性质,即当前状态只依赖于前一个状态,并且未来状态与过去状态无关。
马尔可夫链模型在预测序列数据、自然语言处理等领域中有广泛的应用。
3. 随机差分方程模型随机差分方程模型是描述离散时间的随机过程,它将随机扰动引入到差分方程中,描述了随机变量在离散时间序列上的演化过程。
随机差分方程模型在宏观经济学、自然生态学等领域中有重要的应用。
二、参数估计参数估计是建立随机过程模型的重要步骤之一,它帮助我们从观测数据中估计出模型的未知参数。
以下介绍两种常用的参数估计方法。
1. 极大似然估计极大似然估计是一种常用的参数估计方法,它基于最大化观测数据的似然函数来估计模型的参数值。
极大似然估计的优点是数学基础严谨,但需要满足一些假设条件。
2. 贝叶斯估计贝叶斯估计是一种基于贝叶斯统计理论的参数估计方法,它将参数的估计看作是一个先验分布和似然函数的加权平均问题。
贝叶斯估计的优点是能够处理参数的不确定性,并且可以根据观测数据进行更新。
三、案例应用为了更好地理解随机过程模型及其参数估计,在实际建模中的应用非常重要。
以下是一个案例应用的描述。
假设我们需要建立一个预测某个文本的下一个词的模型,我们可以使用马尔可夫链模型进行建模。
首先,我们将文本数据进行预处理,将其转化为一个序列数据。
然后,我们根据观测数据估计模型的参数。
误差理论与平差基础课件 第3、4章
求函数向量 x = [ x1
x 2 ]T 的方差。
-5-
第三章 协方差传播律 三、两个函数 y ,
r ,1
r ,t
t ,1
z 的互协方差阵
⎡ 4 0 0⎤ ⎢0 2 0⎥ 例3设有观测向量L,已知其协方差阵为,D = ⎢ ⎥ 3, 3 ⎢ 0 0 3⎥ ⎣ ⎦ 求下列函数的协方差。
DYZ = FDXX K T
T DYY = FDXX F T = DYY r ×r
-4-
第三章 协方差传播律
例1已知 L1 ...L3
⎤ ⎡3 DL = ⎢ 2 ⎥ ⎥ ⎢ 3, 3 ⎢ 4⎥ ⎦ ⎣
求函数 x = 5L1 − L2 + 2 L3 − 7 的方差。
例2已知 L1 ...L3
⎡ 3 − 1 1⎤ DL = ⎢− 1 2 0⎥ ⎥ ⎢ 3, 3 ⎢ 1 0 4⎥ ⎦ ⎣ x 2 = − L2 + 3L3 − 2 函数 x1 = 2 L1 − L2 + 5,
单位权中误差 比例因子 权为1的观测值对应的中误差
3
测量中常用的方法
(1)水准测量的权 (2)同精度观测值的算术平均值的权 (3)距离丈量的权 (4)三角高程测量的权
-15-
第三章 协方差传播律 九、协因数和协因数传播律 1 2 3 4 5
协因数 协因数阵 协因数阵的特点 互协因数阵 权阵
-16-
第三章 协方差传播律--协因数和协因数传播律
当观测值互不相关时,权阵为对角阵,主对角 线上的元素为观测值的权。
L = [ L1 ......Ln ]T
2 ⎡σ L1 ⎢ 2 ⎢σ 0 1 = 2 DL = ⎢ ... σ0 ⎢ ⎢ 0 ⎢ ⎣
QLL
课件:第3章第1讲(条件平差原理)
ALˆ A0 0
AV W 0
(2)组成法方程; NK W 0
N AP1AT
(3)计算联系数K; K N 1W
三、解题步骤
(4)计算观测值改正数V ;
V P1 AT K
(5)计算观测值的平差值;
Lˆ L V
(6)检查平差计算的正确性,将平差值代入平差值 条件方程式,检验是否满足方程关系;
法方程的解: K N 1W
平差值: Lˆ L V
aa p
k
a
ab p
k
b
ar p
k
r
wa
0
apbk
a
bb
p
kb
br p
k
r
wb
0
ar
p
ka
br p
k
b
rr
p
kr
wr
0
二、精度评定
1. 单位权中误差的计算
ˆ 0
V T PV r
b0
0
a1v1 a2v2 anvn wa 0 b1v1 b2v2 bnvnwb0 r1v1 r2v2 rnvn wr 0
r1 Lˆ1
r2 Lˆ2
rn Lˆn
r0
0
wa (a1L1 a2 L2 an Ln a0 )
wb (b1L1 b2 L2 bn Ln b0
函数模型
W (AL A0 )
一、条件平差原理
AV W 0 按求函数极值的拉格朗日乘数法组成新函数
V T PV 2K T (AV W) 将Φ对V求导并令一阶导数为零:
K为乘系数(联系数)
K
r ,1
[ka
kb
kr ]T
d (V T PV) 2 (K T AV) 2V T P 2K T A 0
误差理论与测量平差基础第三章协方差传播律及权
参数估计可采用最小二乘法或加权最小二乘法。在选择方 法时,需根据实际问题的特点和需求进行权衡。
算法性能评估指标选取
精度指标
精度指标是衡量算法性能的重要指标之一。常用的精度指标包括均方误差、均方根误差、 中误差等,可用于评估算法的估计精度和稳定性。
可靠性指标
可靠性指标用于评估算法在复杂环境和噪声干扰下的性能表现。常用的可靠性指标包括失 败率、误警率、漏警率等。
误差传递规律探讨
误差传递概念
在测量过程中,由于各种因素的影响,观测值会存在一定 的误差。这些误差在传播过程中会遵循一定的规律,即误 差传递规律。
线性函数误差传递
对于线性函数Z=aX+bY(其中a、b为常数),其误差传 递公式为D(Z)=a^2D(X)+b^2D(Y)+2abcov(X,Y)。可以 看出,误差传递与观测值的方差和协方差有关。
的线性相关程度。
对称性
Cov(X,Y) = Cov(Y,X)
加法性
Cov(aX+b, cY+d) = acCov(X,Y)
独立性
若X与Y独立,则Cov(X,Y) = 0
传播律意义与作用
传播律意义
协方差传播律描述了随机变量经过线 性变换后,其协方差矩阵如何变化。 这对于理解和分析复杂系统的误差传 递机制具有重要意义。
权重因子的选择应根据实际情况和测量任务的要求进行,要综合考虑观测值的 精度、稳定性、可靠性等因素。
使用方法
在平差计算中,应根据所选权重因子对观测值进行加权处理,以充分利用观测 值的信息并提高平差结果的精度和可靠性。同时,要注意避免过度加权或欠加 权的情况,以免对结果产生不良影响。
04
基于协方差传播律和权的平差算法设
第3章条件平差原理
v1 v2 v3 v4
573233
730305
1265125
1043317
推导如下:
VTPV VTP(P1ATK) VTATK(AV )TKWTK
纯量形式
20.09.2019 4
第三章 条件平差
第一节 条件平差原理
二、精度评定
则上述方程可表示为:
2. L、 W 、 K 、 V、 L ˆ的协因数阵及互 协因数阵
LL
W (A L A 0) A L A 0
DFFˆ02QFF
函数的方差
为了检查平差计算的正确性,可以将平差值代入平差值条件方程式,看是否满足 方程关系。
20.09.2019 10
第三章 条件平差
第一节 条件平差原理
[例3-1] n=4 t=3 r=1
A 1 P A TKW 0
p1
1
P
p2
1
n,n
Lˆ
n ,1
Lˆ Lˆ
1 2
Lˆ
n
L LV
n,1 n,1 n,1
Lˆ Lˆ
1 2
L1
பைடு நூலகம்
L
2
v1
v
2
Lˆ
n
L
n
vn
p1 P n,n
p2
kb
rr
测量数据处理理论及方法-0
条件平差
n t r=n-t 0
附有参数的 条件平差
n t r=n-t 0<u<t且独立
间接平差 附有限制条件
的间接平差
n t r=n-t u=t且独立
n
t
r=n-t U>t且包含t个
独立
r n F (Lˆ ) = 0
AΔ +W = 0
r+u
n+u
F (Lˆ Xˆ ) = 0
AΔ+BX~+W =0
r+u=n n+u Lˆ = F ( Xˆ ) Δ = BX~ − l
武汉大学测绘学院 孙
海燕 武汉大学测绘学院 黄海兰
2
2015-10-25
9 教学内容
课程教学大纲
¾ 针对经典测量平差的局限性,系统地研究极大验后估计等若
干估计方法,构造广义测量平差原理;
¾ 讨论并突破经典平差理论及应用上限制,完成最小二乘平差
的统一理论与方法建立;
¾ 讨论测量平差的随机模型验后估计的赫尔默特法及二次无偏
sin sin(Lˆ1
Xˆ sin(Lˆ3 + Lˆ5 ) sin Lˆ1 + Lˆ4 ) sin(Lˆ6 − Xˆ ) sin Lˆ3
−1 =
0
Lˆ7 + Xˆ + α BD − α BC = 0
武汉大学测绘学院 黄海兰
8
2015-10-25
间接平差
1
A
B Xˆ1
4
2
Xˆ 2
C
3
5
D Xˆ 3
⎡1 0 0 1 −1 0 ⎤
⎡2⎤
A = ⎢⎢0 1 0 0 1 −1⎥⎥ , W = ⎢⎢− 3⎥⎥ ,
估计误差协方差和后验估计
估计误差协方差和后验估计1.引言1.1 概述引言部分的概述应该包括对估计误差协方差和后验估计的基本概念进行简要介绍,说明本文研究的重点和目标。
以下是对概述部分内容的一个示例:在统计学中,估计误差协方差和后验估计是两个重要的概念。
估计误差协方差体现了统计模型估计值与真实值之间的差异,它在估计的精度和可靠性评估中起着关键作用。
后验估计是在已知一些先验信息的情况下,通过贝叶斯推断方法对未知参数进行估计。
它结合了先验信息和样本数据的信息,提供了更加准确和可靠的参数估计结果。
本文将重点探讨估计误差协方差和后验估计的相关内容。
首先,我们将详细定义和解释估计误差协方差的概念,以及它对估计结果的影响因素。
然后,我们将介绍后验估计的定义和计算方法,探讨其在参数估计中的作用和重要性。
通过对估计误差协方差和后验估计的研究,我们可以更好地理解统计模型估计的精度和可靠性,并且能够根据已有的先验信息进行更为准确和可信的参数估计。
这对于各个领域的数据分析和决策都具有重要的意义。
随着文章的进展,我们将会进一步详细介绍估计误差协方差和后验估计的相关概念和方法,并对其应用和意义进行总结和归纳。
接下来的章节将为读者提供更深入的理解和实践指导。
文章结构部分的内容可以按照以下方式编写:1.2 文章结构本文分为三个主要部分:引言、正文和结论。
引言阐述了本文的基本概念和目的,将为读者提供对估计误差协方差和后验估计的背景和重要性的理解。
正文部分被划分为两个小部分:估计误差协方差和后验估计。
在估计误差协方差部分,我们将定义估计误差协方差的概念,并探讨影响因素。
而后验估计部分,我们将给出后验估计的定义,并介绍一些主要的计算方法。
结论部分将总结和归纳估计误差协方差和后验估计的要点,并探讨它们在实际应用中的意义和价值。
通过这样的结构安排,读者可以逐步了解估计误差协方差和后验估计的概念、计算方法和实际应用,并在结论部分得到总结。
希望本文能够为读者提供有关估计误差协方差和后验估计的全面理解,并启发他们对该领域的进一步研究和应用。
第三章-间接平差2009
⎞ ⎛ n ⎜ ∑ aij b ji ⎟ ⎟ ⎜ ⎠ ⎝ j =1
61
所以(B6)式得征。
−1 T −1 −1 T −1 −1 = N bb B PQPBN bb = N bb B PBN b b = N bb
−1 T −1 T Q VV = (BN bb B P − I )Q(BN bb B P − I) T −1 T −1 T = (BN bb B P − I )Q(PBN bb B − I)
2 2 D =σ0 Q =σ0 P −1 ,且 rk(Q) = n
n×n
n× n
平差准则为最小二乘原理
V T PV = min ˆ ,进而求得 V 值,在数学中就是 间接平差就是在最小二乘原理要求下求出误差方程的待定参数 x
求多元函数的极值问题。
§3.1 间接平差原理
在间接平差的函数模型中,有 n = t + r 个误差方程,即
【 ∗ 】二次型对向量的导数
T
T
在二次型 V PV 中,矩阵 P 中的各元素为常数,向量 V 的各元素作为自变量,则该二次型的 导数为
T
d (V T PV ) = dV T ( PV ) + (V T P ) dV
T
上式右端每一项的值在转置后是不变的,因此得
T T T dV T ( PV ) = ⎡ ⎣ dV ( P V ) ⎤ ⎦ = V P dV
−1 T −1 T = (BN bb B − Q)(PBN bb B − I)
−1 T −1 T −1 T −1 T = BN bb B PBN bb B − BN bb B − QPBN bb B +Q
−1 T −1 T −1 T = BN bb B − BN bb B − BN bb B +Q
四种经典平差模型的分析与设计
3。
四中经典平差模型的分析与设计在生产实践中观测的数据可以通过以最小二乘原理为基本原理进行平差提高测量精度,但由于所设参数个数与观测个数和非必要观测个数的关系不同,可以分为条件平差、附有参数的条件平差、间接平差、附有限制条件的间接平差四种.通过对它们的分析,可以很好地解决生产实践中的实际问题,亦可为以后的某些理论推导作必要的准备.3.1条件平差模型条件平差的函数模型:A V+W=0其中A=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n n n r r r b b b a a a 212121,W=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡r b a w w w ,V=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡n v v v 21 随机模型:D=Q 20δ法方程:0=+W K N aa其中:T aa AQA N =解之得 K=W N aa 1-- 误差方程 : V=K QA T观测量平差值: V L L +=平差值函数:)(21n L L L f+++=ϕ 其权函数式为⎪⎪⎭⎫ ⎝⎛∂∂+++=i i n n Lff L d f L d f L d f d ,***2211ϕ 单位权方差的估值:rPVV r PV V T T ==020,δδ平差值函数ϕ的协因数阵:AQf N AQf Qf f Q aaT T 1)(--=ϕϕ 条件平差的基本向量的协因数和互协因数3。
2附有限制参数的条件平差模型在一个平差问题中,如果观测值个数为n,必要观测数为t ,则多余观测数r=n —t 。
若不增选参数,只需列出r 个条件方程,这就是条件平差方法。
如果又选了u 个独立量为参数(0<u<t )参加平差计算,这就可建立含有参数的条件平差作为平差的函数模型,这就是附有参数的条件平差方法。
0**1,1,,1,,=++c u uc n nc W x B V A②式中,V 为观测值L 的改正数,1,u x为参数近似值0X 的改正值,即x X X V L L +=+=0,随机模型:D=12020-=P Q δδ为了求出能使min =PV V T的一组解,按求函数条件极值的方法,组成函数)(2W x B AV K PV V T T ++-=Φ式中,K 是对应于条件方程②的联系数向量,为求Φ的极小值,将其分别对V 和x求一阶导数并令其等于零,则有02022=-=∂Φ∂=-=∂Φ∂B K xA K P V VT T T由两式转置之后第一式左乘1-P ,再加②式得其基础方程解算此基础方程,通常是将其中的改正数方程代入条件方程,得到一组包含K 和1,,u x的对称线性方程组,即⎪⎭⎪⎬⎫==++00K B w x B K AQA T T令Ta a AQA N =,,上式也可写成:⎪⎭⎪⎬⎫==++00,K B W x B K N T a a③ 上式称为附有参数的的条件平差的法方程。
武汉大学测绘学院-2015年广义测量平差试卷-考博
2015 一.简答题1.在广义测量平差中用D(Xˆ)评价参数估计量Xˆ X Lˆ( )的精度,而在经典测量平差中用D X( ˆ)评价其精度,试解释为什么会有这样的差别。
2.考察经典测量平差的间接平差的数学模型及其计算过程,试说明(1)为什么要求观测向量的协因数阵Q(或方差阵D LL)的行列式不为零,误差方程的系数阵B列满秩;2)举例说明在什么情况前述要求得不到满足。
3.为什么要对平差随机模型进行验后估计。
试分别说明赫尔默特方差估计及二次无偏方差估计的待估参数。
4.设参数X与观测量L的联合概率密度为f x l( , ) 。
分别给出参数X的极大似然估计、极大验后估计及最小方差估计的估计准则,并解释其相应的含义。
试在f x l( , ) 为正态分布概率密度的条件下比较三个估计量估计误差方差的大小。
5.连续线性系统的状态方程可表示为tX t( ) (t t, 0)X t( )0 ( , )[ ( )t C U( )F( )( )]dt0试说明上式中各符号的含义,并将该方程线性化。
二.综合题1.设参数X与观测值L的联合分布概率密度为f x l( , ) ,试证明参数X的最小方差估计量为Xˆ E X l(/ )(E X l(/ )表示X的条件数学期望)。
2.重心基准秩亏自由网平差可归结为如下式所示的数学问题V PV Tmin x xˆ ˆTmin VBxˆl试由此出发,导出在形式上与附有限制条件的间接平差相一致的数学模型。
三.计算题1.某平差问题的函数模型为v1 v2v32xˆ1xˆ26v2x xˆ1ˆ2 5v3=xˆ2 4观测误差的方差阵为D diag[ 2 2 2]。
设参数与观测误差均服从正态分布,且X1 ~ N( 2,2), X2 ~ N(3,2) ,X1与X2独立,所有参数与观测误差独立。
求参数的极大验后估值及估计误差方差。
赫尔默特方差分量估计
1 赫尔默特方差分量估计我们知道,平差前观测值向量的方差阵一般是未知的,因此平差时随机模型都是使用观测值向量的权阵。
而权的确定往往都是采用经验定权,也称为随机模型的验前估计,对于同类观测值可按第一章介绍的常用定权方法定权;对于不同类的观测值,就很难合理地确定各类观测值的权。
为了合理地确定不同类观测值的权,可以根据验前估计权进行预平差,用平差后得到的观测值改正数来估计观测值的方差,根据方差的估计值重新进行定权,以改善第一次平差时权的初始值,再依据重新确定的观测值的权再次进行平差,如此重复,直到不同类观测值的权趋于合理,这种平差方法称为验后方差分量估计。
此概念最早由赫尔默特(F.R.Helmert )在1924年提出,所以又称为赫尔默特方差分量估计。
一、赫尔默特方差分量估计公式为推导公式简便起见,设观测值由两类不同的观测量组成,不同类观测值之间认为互不相关,按间接平差时的数学模型为222111~~∆-=∆-=X B L X B L (函数模型) (8-4-1) 0),(()()()()(2121122022112011=∆∆==∆==∆=--D L L D P D L D P D L D ),σσ (随机模型)(8-4-2)其误差方程为111ˆl xB V -= 权阵1P (8-4-3) 222ˆl xB V -= 权阵2P (8-4-4) 作整体平差时,法方程为0ˆ=-W xN (8-4-5) 式中2222111121B P B N B PB N N N N TT==+=,, 2222111121l P B W l PB W W W W TT ==+=,,一般情况下,由于第一次给定的权1P 、2P 是不恰当的,或者说它们对应的单位权方差是不相等的,设为201σ和202σ,则有122022112011)()(--==P L D P L D σσ (8-4-6)但只有20202201σσσ==才认为定权合理。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第三章 平差随机模型的验后估计3-1 概述众所周知,一个平差问题必须首先建立改平差问题的数学模型,平差的数学模型包括函数模型和随机模型两类。
描述平差问题中观测量与观测量之间、观测量与未知参数之间相互关系的函数表达式,称平差函数模型。
随机模型是描述观测误差∆的一些随机特征,在平差中主要是∆的数学期望和方差,具有0)(=∆E (3-1-1)和10202)(-==∆P Q D σσ (3-1-2)(3-1-1)式表明观测误差中不含系统误差和粗差,是一般情况下最小二乘平差的要求(3-1-2)式式平差时定权的根据。
平差前,随机模型要已知)(∆D ,称为验前方差。
只有精确地已知验前方差)(∆D 才能精确地定权,所以随机模型的估计,就是验前方差)(∆D 的估计,也就是观测值权的估计。
过去很长的时间,平差都在单一的同类观测量中进行,例如测角网平差,水准网平差。
定权可从定义式(3-1-2)出发,采用测量平差中常用方法定权,例如,水准高差按路线长度倒数定权等。
随着平差对象从单一同类观测量扩展为不同类的多种观测量,一般,它们的验前方差又不能都已知,如果能精确地估计它们的方差,达到精确地定权就需要深入研究了。
所以,近20年来国内外测量界把平差随机模型的估计作为主要课题进行研究,取得了丰富的成果。
对不同类的观测量,一般采用经验公式定权,即根据仪器出厂标明的标称精度估算各自的方差,然后再按定义式(3-1-2)定权。
例如在边角同测的控制网中,测距仪给出的测边中误差标称精度公式为)(i i bs +±=ασ测角中误差为βσ(按规范),以i σ和βσ为测边和测角的验前方差定权,得122==βββσσP)/)'('(2222cm P iiss 单位:σσβ=在卫星网与地面网、重力网与水准网的联合平差,摄影测量与大地测量数据联合处理中,也可按上述经验公式的方法定权。
这种估计验前方差确定各类观测量权的方法,时间证明,在许多情况下是不够精确的。
为了提高方差估计的精度,70年代开始出现了用验后的方法估计各类观测量的方差,然后定权,我们称之为平差随机模型的验后估计法。
随机模型的验后估计,其基本思想是,先对各类观测量定初权,进行预平差,利用预平差后得到的信息,主要是各类观测值改正数V ,依据一定的原则对各类观测量的验前方差和协方差做出估计,依此定权,实践已经证明这种定权方法的优越性,并已在实际工作中广泛应用。
本章首先介绍方差估计法,即赫尔默特估计法,并介绍改法在实际计算中的一些简化计算公式。
接着介绍方差、协方差估计法。
然后介绍二次无偏估计法,主要介绍 C.R.Rao 于1970年提出的最小范数二次无偏估计(MINQUE )法和K.R.Koch 于1980年提出的最优不变二次无偏估计(BIQUE )法。
最后介绍方差分量估计中的精度评定以及方差分量估计在测量实践中的应用。
3-2 赫尔默特方差估计法1. 严密估计公式利用预平差的改正数V ,按验后估计各类观测量验前方差方法,最早是由赫尔默特提出的,若各类观测量之间相互独立,即观测量的方差阵是拟对角型矩阵,称为方差估计,或称方差分量估计,以下介绍由Welsch 推证的赫尔默特方差估计严密公式。
间接平差的基本公式为函数模型:111n n t t n L B X ⨯⨯⨯⨯=+∆ (3-2-1)随机模型:212100(),()0,(),()()E L BX E D L P D D L Pσσ--=∆==∆==% (3-2-2)误差方程:V BXL =-% (3-2-3) 法方程及其解为1ˆ,NXW X N W -==% (3-2-4) 式中,TTN B PB W B PL ==。
现设在L 中包含有两类相互独立的观测值111n L ⨯和121n L ⨯,它们的权阵分别为111n n P ⨯和222n n P ⨯,并且120P =,它们的误差方程为111222ˆˆV B X L V B XL ⎫=-⎪⎬=-⎪⎭(3-2-5) 且有下列关系式:111122220,,,0L V B PL V B P L V B P ⎡⎤⎡⎤⎡⎤⎡⎤====⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦1112221211122212T T TTTTN B PB B PB B P B N N W B PL B PL B P L W W ==+=+==+=+ (3-2-6)一般地说,第一次平差时给定的两类观测值的权1P 和2P 是不恰当的,或者说它们所对应的单位权方差不相等,令其分别为120σ和220σ,则有122110121202()()D L P D L P σσ--⎫=⎪⎬=⎪⎭(3-2-7)方差分量估计的目的是利用各次平差后各类改正数的平方和111T V PV 及222T V PV 来估计120σ及220σ。
为此,必须建立残差平方和与120σ及220σ之间的关系。
因为对于数学期望为η,方差阵为∑的随机向量Y ,其二次型T Y MY (M 为任何一对称可逆阵)的数学期望为()()T T E Y MY tr M M ηη=∑+ (3-2-8)而改正数V 的期望为零,即有1()0E V = (3-2-9)所以11111()(())T E V PV tr PD V = (3-2-10)式中1()D V 为改正数1V 的方差。
由(3-2-5)式可知:111111111211111111222ˆ()()TTV B X L B N W L B N W W L B N B P E L B N B P L ----=-=-=+-=-+ (3-2-11)故1V 的方差为1111111111111222221()()()()()T T TT T D V B N B P E D L B N B P E B N B P D L P B N B----=--+将上式展开,并顾122121101202(),()D L P D L P σσ--==,则上式可整理得:1221111101111112110121()(2)()T T TD V B N N N B B N B P B N N N B σσ------=-++(3-2-12)将上式代入(3-2-10)式,得:{}{}{}{}{}12111212111112111101111111112110112121110111111121102111111211110112120()(())222()()()T T TTT T n n T E V PV tr PD V tr PP PB N B PB N N N B tr PB N N N B tr E N B PB N N N B PB tr N N N B PB n tr N N tr N N N N tr N N N N σσσσσσ---------⨯-------==-++=-++=-++ (3-2-13)同理可得:1111211222221202220()(){2()()}T E V PV tr N N N N n tr N N tr N N σσ----=+-+ (3-2-14) 在(3-2-13)和(3-2-14)两式中,将数学期望得符号去掉,改成由平差得到的计算值111TV PV 及222T V PV ,则求出的120σ和220σ也应该改为估计值120ˆσ和220ˆσ。
将上二式写成矩阵形式为 222121ˆS W θθ⨯⨯⨯= (3-2-115) 式中11211111121122222()()()2()()n tr N N tr N N tr N N N N S n tr N N tr N N ------⎡⎤-+=⎢⎥-+⎣⎦(对称) (3-2-16) 122200111111ˆˆˆ[],[]T T T TW V PV V PV θθσσ==公式(3-2-15)、(3-2-16)即为两类观测值按间接平差时的赫尔默特估算公式,由(3-2-15)式知,被估参数与方程的个数相同,一般说来,有惟一解,即1ˆS W θθ-= 将两类观测值扩展到m 类观测值的一般情况,则对应的公式如下:111ˆ,(1,2,,)i i i i i i in n t t n V B X L i m ⨯⨯⨯⨯=-=L (3-2-17) 210()i i iD L P σ-= (3-2-18) 将111ˆmjj XN W N W--===∑代入(3-2-17)式,并整理集项得:11111,ˆ()mmT Ti i i i j i i i i i ijj j j j iV B X L B N W L B N B P E L B N BP L ---==≠=-=-=-+∑∑由协方差传播律得:{}11112011201,()(2)()ijT T i i i i i i i mTij ij iD V P B N N N B B N B B NN N B σσ------=≠=+-+∑根据二次型的期望定理:ηηM M tr T +∑)(MY Y E T )=(,并顾及i V Y =,i P M =,)(D i V =∑及0)(==i V E η,则有{}111112011201,()(2)()jT T i i i i i i i i i i i i mTij ij iE V PV tr PP PB N N N B PB N B B NN N B σσ------=≠=+-+∑所以{}1122011201,()(2()())()i jT i i i i i i mi j j iE V PV n tr N N tr N N tr NN N N σσ----=≠=-++∑ (3-2-19)在上式中,被估参数m 个,将上式写成矩阵形式,即得m 类观测值的赫尔默特估计公式:11ˆm m m m S W θθ⨯⨯⨯= (3-2-20)式中1121111211112111211222221122()()()()2()()()(2()()m m m m m n tr N N tr N N tr N N N N tr N N N N S n tr N N tr N N tr N N N N n tr N N tr N N ------------⎡⎤-+⎢⎥=-+⎢⎥⎢⎥-+⎣⎦L LL对称)12222000111222ˆˆˆˆ,mTTT TTm m m W V PV V PV V P V θθσσσ⎡⎤⎡⎤==⎣⎦⎣⎦LL其解为1ˆS W θθ-= (3-2-21)方差分量估计的迭式计算步骤如下:(1) 将观测值按等级或按不同观测来源分类,并进行验前权估计,即确定各类观测值的 权的初值m P P ,...,,P 21;(2)进行第一次平差,求得i i Ti V P V ;(3)按(3-2-20)式进行第一次方差分量估计,求得各类观测值单位权方差的第一次估值20i^θ,再依下列定权:210ˆˆi iicP P σ-= (3-2-22) 式中c 为任一常数,一般是选20i ^θ中的某一个值;(4)反复进行第二项和第三项,即进行:平差-方差分量估计一定权后再平差,直至12222000ˆˆˆmσσσ===L 为止,或通过必要的检验认为各类单位权方差之比等于1为止。