平面控制網的資料偵錯.pptVIP

平面控制網的資料偵錯 觀測量偵測錯誤的方法 殘差的協變方矩陣 可靠度 平面控制網的資料偵錯 前言 觀測量中錯誤偵測的前級方法 後級錯誤偵測 殘差協變方矩陣的推導 觀測值外部偵測(detection of outliers) 調整控制的技術 含錯誤的資料集 一些更進一步的考量 測量設計 前言 觀測資料若有錯誤(blunder, gross error)，將影響平差結果。因此，錯誤的觀測量應從觀測資料中移除。 觀測資料應合乎常態分配理論 大偶然誤差有時會出現，但出現機率很小。 大偶然誤差被視為錯誤。 一般的錯誤有 數字錯誤 輸入與紀錄錯誤 擺錯點或看錯點 其他 平差的資料若含有錯誤的觀測資料，將導致結果精度變差甚至不可用。 觀測量中偵測錯誤的前級方法 平差時，通常都假設觀測資料中有可能含有錯誤的觀測，應採取適當方法來孤立與移除它們。 尤其在非線性觀測方程式時，因為錯誤會導致求解時無法收歛。 偵錯的前級方法 使用K矩陣 導線閉合檢核 K矩陣的使用 最簡單的錯誤偵測方法是使用多餘觀測 K矩陣的值要小 由起始值計算的值與觀測值之差要小 若觀測量含有錯誤，則K矩陣的值會有兩種變化情況 該錯誤觀測量被用來計算起始值 K矩陣中相應的元素值會相對較大 該錯誤觀測量未被用來計算起始值 K矩陣中其他多餘觀測的元素值會相對較大 觀測量中偵測錯誤的前級方法 導線閉合檢核 將網形拆解成較小的閉合導線，再檢查各閉合導線的閉合差，是否滿足預期的閉合差。 若無法滿足，則計算時所包含的觀測量將被懷疑有錯誤存在。 錯誤的種類有 距離錯誤 角度錯誤 偵錯的後級方法 LS平差 最小約制平差(minimally-constrained adjustment)與全約制(fully-constrained)平差兩者都要進行 最小約制平差後，可利用χ2檢驗來檢核參考變異數。 此作法並非錯誤出現的好指標，因為它受到權的影響較大。 還要對平差後的殘差進行檢核，是否有大偏差出現。另外，還需要檢視殘差的符號。 雖然殘差大小可顯示觀測誤差，但卻不需要明確指出哪個觀測量為錯誤。 當異常的大殘差出現時，該觀測量可能是錯誤。 但也不必然是如此。 理由是觀測量的權可能給的不好。 殘差協變方矩陣之推導 統計上的偵錯是使用殘差協變方矩陣 殘差協變方矩陣的可由線性觀測方程式開始 Qvv為殘差的共軛(cofactor)矩陣，此矩陣為奇異(singular)且同質(idempotent)矩陣。 同質矩陣的特性 矩陣自身相乗仍為原矩陣，QvvQvv=Qvv 矩陣的trace等於自由度，q11+q22+…+qmm=d.f. 矩陣的列或行元素的平方和等於相應的對角元素， 觀測值外部偵測 觀測值外部偵測 偵測的方法是利用由r-1自由度的t分配檢驗所得到的拒絕水準。 當t統計子的最大絕對值大於拒絕水準時，該觀測量被拒絕，即被視為錯誤。 偵錯的程序 標示所有大於拒絕水準的標準化殘差 移除最大的錯誤觀測量或非相關錯誤群 重新平差 重覆以上步驟，直到所有錯誤都被移除 若再上述程序中有一個以上的錯誤被移除，需重新輸入觀測值，再檢核每次平差後的觀測量是否還有錯誤被偵測出來。 調整控制的技術 平差需要控制，但控制若有誤差會影響觀測量。 採用最小控制可避免精度較差控制點的影響。 採用最小控制進行平差，僅僅平差觀測量，使其滿足網形內部的幾何條件。 利用統計偵錯可找出較差的控制點或觀測量的系統誤差。 最小控制平差，可檢視資料集的錯誤，並移除錯誤觀測量。 錯誤觀測量由資料集移除後，再進行全控制平差。 完成全控制平差後，再進行F檢驗，來檢驗最小控制與全控制的參考變異數比值。 此比值理論上應為1。 若兩個參考變異數有顯著不同，則有下列兩種可能 有控制點含有錯誤 觀測量有系統誤差 含有錯誤的資料集 更進一步的考慮 錯誤與殘差之間的關係可由殘差方程式表示，殘差是錯誤乘以觀測量多餘數。 若ri大(≒1)，則錯誤對殘差的影響也大，因此，較容易被發覺。 若ri小(≒0)，則錯誤對殘差的影響也小，因此，較不容易被發覺。 若ri=0，則錯誤無法被偵測，參數也會因為誤差無法被偵測而不正確。 假設用以偵測錯誤的拒絕水準為4.0 (Baarda採用4.1，有其他研究者採用3.29)，若平差後的參考變異數為6，則標準化殘差大於24.0時，是可能的錯誤。 如果觀測量的多餘數為0.2，則最小可被偵測出的誤差為120。因此，此觀測量的錯誤在大於水準的五倍時，還有可能無法被偵測出來。 若多餘數為0，則觀測量沒有觀測檢核的能力；因此，無法偵測出任何錯誤觀測量。 將上述因素列入考慮，個別觀測量可偵測的錯誤邊際為 此個別觀測量邊際值可用以檢視網形幾何強度較弱的區域。 更進一步的考慮 上述的考慮，稱為平差結果的可靠度(reliability)。 內可靠度(internal