附加参数的条件平差模型的最小二乘解.docxVIP

附加参数的条件平差模型的最小二乘解 在文献中，讨论的附加线性中等约束的离散模型是基于间接差分模型的。 虽然有文献在论及附加不等式约束的模型时使用了附加参数的条件平差模型: 但是在处理中,运用最小二乘准则时,将附加参数的条件平差模型与间接平差模型同样对待: 这样的处理是有偏差的,因为此时-Av = B^x - L,目标函数minf(^x)相当于min(AV) 条件平差模型(Av+w =0)、间接平差模型和附有限制条件的间接平差模型是附有限制条件的条件平差模型的特例,分别对应于B =0,C =0;A =-I,C =0以及A =-I。本文在回顾附有参数的条件平差理论的基础上,探求附加不等式约束的条件平差模型未知参数的求解。 1 求条件极值 附有参数的条件平差模型在最小二乘准则下可表示为 其计算思路是根据求条件极值的理论组成目标函数,分别对v和求一阶偏导数,并令它们为零, 得到关系式,进而求得。令N 2 条件平差模型的构造 附加不等式约束的条件平差模型可表示为: 当G =0时,式(7)退化为附有参数的条件平差模型(5)。引入最小二乘准则v 令,根据K-T定理,在最优解处必定满足: 这里将式(8)中的不等式约束的不等号换为等号,即,然后构造拉格朗日函数,与附有等式约束的条件平差模型有相同的形式: 由K-T条件可知,当不等式约束集中的某约束j以等式成立时(G 目标函数(10)分别对v和^x求一阶偏导数并令其为零,整理可得法方程: N 即 由此得到: 将代入式(11b),可以得到GN 求解的关键是求出满足条件的 λ。令D = GN D 所以有: 由式(18),可写出迭代的具体过程为: 1)令λ 3)λ 4)如果λ 5)把代入式(14),得到未知参数的估值。 在以上迭代过程中,迭代的终止条件其实就是K-T条件。 根据的结果,可以区分出有效约束和无效约束,值不为0的所对应的约束为有效约束, 记为,其余的为无效约束。其中G 这是一个附加等式约束的条件平差模型,未知参数的解为x 3 条件函数和共享函数 本文所使用的条件方程的A、B矩阵和w向量的数据见表1,c=5,n=9,u=2,A和B分别是5×9和5×2的矩阵,w是一个5×1的向量。 无约束的条件平差模型的未知参数的最小二乘解见表2第2列。附加以下不等式约束: 采用迭代乘子法,ε取10 由于所添加的第二个不等式约束为无效约束,舍弃;第一个不等式约束为有效约束,将其转化为等式约束,按附加等式约束的条件平差模型, 采用式(19)计算得未知参数的估值,见表2第4列,与迭代乘子法所得一致。 4 拉格朗日乘子的约束 本文对附加不等式约束的条件平差问题的解算思路进行了推导,即根据K-T定理,对拉格朗日乘子λ进行约束,通过迭代算法求解满足K-T条件的拉格朗日乘子,进而求得未知参数的最佳估值。通过算例,验证了该方法的可行性,也验证了该方法所求得的参数与把有效约束当作等式约束、按附加等式约束的条件平差模型的解算结果是一致的。 式(9)的含义是:当时,必有λ