论文部分内容阅读
近年来,总体最小二乘法已经发展成为一种全新数据处理方法,并且广泛地应用于各个学科当中。但是,在一些测绘数据处理问题中,例如在大地测量和工程测量的实际应用中,如果仅采用一般的总体最小二乘法,仍然存在一些不足。又如在空间直线拟合问题中,传统的方法通常是建立空间直线的EIV(errors-in-variables)模型,采用SVD(singular value decomposition)或者迭代法解算拟合参数,虽然顾及到系数矩阵中存在的随机误差,但是系数矩阵中的常数元素也进行了误差改正,相同元素的改正数不一致。本文针对上述测绘数据处理中存在的一些不足,主要进行了如下研究:1)介绍了圆曲线拟合一般方程的PEIV(partial errors-in-variables)模型构建、协因数阵的计算,结合相关观测的PEIV模型总体最小二乘法求解拟合参数。对于圆曲线拟合的参数方程,通过线性化处理获得其误差方程形式,改写成矩阵形式的EIV模型。根据PEIV模型的思想,将系数矩阵中随机元素提取构建PEIV模型,采用PEIV模型的两步迭代法解算参数。通过模拟数据和实例数据,验证了本文方法的可行性和有效性。2)将PEIV模型总体最小二乘法应用在空间平面拟合中。通过模拟算例,与其它WTLS(weight total least squares)方法进行比较,验证了该方法的可行性;针对目前空间直线拟合的一般总体最小二乘法中存在的一些不足,采用PEIV模型的总体最小二乘算法求解拟合参数。给出了详细的计算步骤。结合实例数据且与其它已有的方法比较,论证本文方法的有效性。3)针对GM(1,1)预测模型系数矩阵随机项是原始观测序列函数的特点,参照PEIV模型的构建思想,构造GM(1,1)的PEIV模型。顾及观测向量与原始序列组成的矩阵间的相关性,采用相关观测PEIV模型的求解方法进行参数解算。实验数据表明该方法可以用于求解GM(1,1)模型参数与模型预测,且精度有一定优势。4)针对已有三维坐标转换总体最小二乘法计算效率低的问题,采用PEIV模型的总体最小二乘法求解三维坐标转换,该方法能更快达到收敛阈值。通过实验数据对比分析,验证了本文方法的有效性。还介绍了三维坐标转换的数据探测法,通过调整检验统计量,间接提升粗差的识别度。实验结果表明调整后的检验统计量可以更加精确的识别粗差。