时间序列汇.docVIP

以时间序列分析法侦测 台湾一等一级水平网之残留系统误差 Detecting Remained Systematic Errors In The First-Order ClassⅠLeveling Network of Taiwan By Using Time series 指导教授：许荣欣 学生：林曾进 前言 从上次方差分析法的成果中发现，经由消除系统误差改正后之台湾一等一级(2001)水平网仍含有明显之残留系统误差存在，表示系统误差仍无法完全移除而残留下来。方差分析法仅在所有观测量均独立不相关呈常态分布的情况下才能符合，但现实情况下独立不相关的情形是难以存在的。 方差分析法虽能侦测出系统误差，但却无法明确指出系统误差隐藏在何测线及测段内，因此此研究试图以时间序列分析法进一步分析找出系统误差可能隐藏在哪些测线及测段内。 时间序列分析法 一组观测值，若沿着时间先后有顺序地产生，则称此组观测值为一时间序列，而正整数N被称为时间序列的长度[叶小蓁，1998]。 任一时间序列均可延着时间轴作其对应的时间序列图，如图1。 图1 时间序列 [叶小蓁，1998] 2-1 自我共变数(Autocovariance) 在一稳定随机过程中，分别取第i期与第i+j期之随机变量Xi，Xi+j，定义 ，则即为此随机过程的自我共变量，其中，， 被称为自我共变量函数(Autocovariance Function) [叶小蓁，1998]。 2-2自我相关系数(Autocorrelation) 延续自我共变量之定义，定义自我相关系数 ， (1) 则被称为第j期差之自我相关系数(The jth -lag Autocorrelation)，且 被称为自我相关函数(Autocorrelation Function)，简称ACF[叶小蓁，1998]。 (1) 。(2) ，。(3) 无单位。 (4) ，。 绘ACF，时，仅需画右边，如图2 图2 ACF ACF可表示为无限维之相关系数矩阵，说明如下：考虑一稳定随机过程，则任何一组随机变数之相关系数矩阵为 若仅考虑有限维之相关系数矩阵为 在应用上，若 或 未知，则可由此稳定随机过程所产生之某依时间序列数据 来估计 或 [叶小蓁，1998]。 2-3 自我相关系数应用于水平网 假设测量水平网内各测段之闭合差属于互相独立不相关之随机过程，为了描述此随机过程，必须假设此随机过程之平均值及变异数为一固定常数，则(1)式可改写成： ， (2) 其中i表第i条测线，j表第j条线段，每条测线共有Ki个线段，Dij表第i条测线第j条线段之闭合差[Hsu, 1996]。 s为lag数，代入(2)式即表示在测线i中之某j线段与下s个线段之相关系数。 实验研究与成果 2001年的台湾一等一级水平网有26条测线，17个待定高程，以基隆市民族英雄公墓内之K999水平点(高程为5.66883m)为固定点(图3) [许荣欣、鄞守毅，2003]。 图3 台湾一等一级(2001)水平网 各测线之数据如附表1 [许荣欣、鄞守毅，2003]。 3-1 自我相关系数应用于台湾一等一级(2001)水平网 将自我相关系数应用在台湾一等一级(2001)水平网之各独立测线，共26条测线。计算各测线内之测段闭合差之相关系数[Hsu, 1996]，可将(2)式改写成： ， (3) 其中i =1~26，每条测线共有Ki个线段，Dij表第i条测线第j条线段之闭合差。 s为lag数，由于相邻太远的测段其闭合差之相关系数可能无实质上的意义，故原则上lag数最多至3或4即可，但未免有特殊情形产生影响闭合差，故在此将lag数提高至7，而制成各独立测线内之线段闭合差相关系数表，各线段闭合差相关系数值参照附表2。 将每条测线之线段闭合差相关系数再绘制成相关系数折线图，以分析线段间闭合差相关情形，以五条测线为一单位制成一图，如图4~图9。 图4 测线1~测线5之相关系数折线图 图5 测线6~测线10之相关系数折线图 图6 测线11~测线15之相关系数折线图图7 测线16~测线20之相关系数折线图 图8 测线21~测线25之相关系数折线图 图9 测线26之相关系数折线图 线段间相关系数之统计检定 依据统计中假设检定之八大步骤进行线段间相关系数之检验[Montgomery, 2004]，检定步骤如下： The interest parameter is H0: H1: α=0.05 The test statistic is [Abraham, 1983] (4) Reject region: if Z0 (s) i 1.96 or