第五章粗差探测与稳健估计.pptVIP

提 纲 概述 多余观测与可靠性 可靠性理论与数据探测法 稳健估计 1. 模型误差，粗差 函数模型 随机模型 模型：描述客观实际的数学式 所建模型与实际模型之差——模型误差 概 述 最小二乘具有良好的均衡误差特性，不具备抗粗差干扰能力， 对粗差相当敏感。估计失实；例如：x真值为5，进行8次观测： L1=5.001,L2=5.002,L3=4.998, L4=4.993,L5=5.001,L6=5.008, L7=5.500,L8=4.997,采用最小二乘（平均值） 2. 切尾法：去掉一个最小值和一个最大值，其余取平均。 其他估计法： 中位数法 观测值按大小排列，取中，偶数取中间两数平均： 4.993，4.997，4.998，5.001，5.002，5.008，5.500， 随机误差——最小二乘参数平差 系统误差——附加参数的平差 粗差 粗差是一种异常大误差 ，不能用最小二乘 粗差估计：1）识别法——数据探测（Data Snooping） 探测粗差数据的位置，剔除，确保干净数据 2）调节法——稳健估计 采用抗干扰性强的估计法，削弱粗差对平差结果的影响 识别——把粗差归入函数模型 调节——把粗差归入随机模型 均值漂移模型 方差膨胀模型 无模型误差 可靠性：多余观测、误差、可靠性的关系。 如果粗差、系统误差不能在平差正确发现、消除，损害平差结果，不可靠 1、研究一个给定的平差系统可发现粗差大小的能力（内可靠性） 2、不可发现的粗差对平差结果的影响（外可靠性） 3、探测粗差的数据探测法 可靠性任务： 不可靠 有一定可靠行，不可定位 可靠性高，可定位 可靠性：衡量成果可靠程度的指标 提 纲 概述 多余观测与可靠性 可靠性理论与数据探测法 稳健估计 平差因子的概念 残差（改正数） ：发现粗差的重要信号 观测值残差大 可能含有粗差 设： 最小二乘： 平差因子及其性质 为平差因子，或帽子矩阵 平差因子描述了观测值与平差值，观测值与改正数， 改正数与真误差之间的关系 亦为平差因子 （幂等阵的秩等于迹） 2)J、R为降秩阵 3)r为第i个观测值的多余观测分量 1)J、R为幂等阵 平差因子的性质 ri在区间[0,1]的大小，反映了该观测值在多余观测总数r中所占的分量多少。 多余观测分量 若给定观测网的几何形状和观测值的精度（对角权矩阵）， 则不需要具体的观测值便可计算多余观测分量。 例1：单三角形闭合差 例2：水准网 多余观测分量越大，可靠性越高，抵抗粗差的能力越强！ = - 1. 某一观测值的改正数 受所有观测值的影响，大小取决于 残差与观测误差的关系 = - 2、 某一观测粗差 对所有改正数的影响，观测值含有的影响为： ， 。影响大小由 决定。 3、 某一观测值误差对自身的影响 = - 小结： ， ，多余观测分量为零，可靠性为零。 ， ，纯多余观测，对求参数无作用。 一般 ： ，粗差不能完全反映在本观测值 所以难以正确定位，只能用假设检验法 如果观测值中存在粗差，则某一观测的误差对所有残差都有影响， 一个观测的残差包含着所有粗差的影响，所以正确检测粗差是一个难题； 当只存在一个粗差时，由于一般情况下 ， 该观测值的残差更大， 检测粗差的正确性就高 设计网时要增强控制网的可靠性，保证不出现过小的 值 提 纲 概述 多余观测与可靠性 可靠性理论与数据探测法 稳健估计 可靠性理论 不含粗差时， 正态分布，其标准化得 ， 内部可靠性指标：指给定显著水平、检验功效情况下， 观测值可发现最小粗差的能力 若r小，v也很小，w会很大，容易判断含有粗差，判断错误。 显著水平、检验功效与非中心化参数的关系图