论粗差修正与粗差剔除

粗差修正与粗差剔除是保证测量成果质量的基本措施。本文基于均值漂移模型论证了粗差剔除与粗差修正估计的关系。研究结果表明,当粗差修正和粗差剔除均基于同一均值漂移模型时,二者求得的参数估值及残差二次型是等价的。     

动态定位解算中测量粗差的探测与修复

基于Kalman滤波的动态定位中,动态观测量可能存在粗差,若数据处理不考虑对这些粗差的特别处理,则所提供的动态信息将极不可靠。文中计算了粗差对滤波结果的影响,并由此建立了动态定位中粗差的探测和修复算法。最后以一数字仿真(模拟)实验论证了方法的可行性。     

重力数据粗差探测与剔除方法的研究

根据均值漂移模型,针对重力场特点,综合利用高精度DEM数据及绘图法,本文提出了三种重力数据的粗差探测与剔除方法,对重力点数据进行全面的粗差探测与剔除,为建立我国高精度、高分辨率数字大地水准面、垂线偏差模型提供可靠的基本数据;实际结果表明,该方法正确可靠,是一种行之有效的粗差探测与剔除方法。     

粗差定位的新方法

本文提出了粗差定位的一种与众不同的新方法。吸取了现有的粗差定位方法中的一些思想，并将模糊集合理论应用于粗差定位。这个新方法还能很容易地应用于监测网中单点位移的探测和定位。     

多维粗差的同时定位与定值

提出了多维粗差同时定位定值的方法(LEGE法),它不仅能确定k个粗差的位置(k≤r-1,r为多余观测数),而且可以同时求出这些粗差的大小,从而开辟了粗差定位定值的一条新途径。     

影响方程与粗差定位

本文推导了粗差对标准化残差（简称残差）的关系式，建立了影响方程，直接利用其定位粗差，将粗差对残差的影响分为三种情形：（1）只有一个粗差；（2）有多个粗差但对相互残差的影响系数较小；（3）有多个粗差；（2）之外的情形。根据这三种不同的情形，按照一定的准则，选择相应的“假定粗差”，利用影响方程求解来判别粗差。大量试算表明：对于（1），（2）两种情形，可在平差后求解对粗差直接定位，而无需多次回代判别，比传统方法节省（成倍节省）大量计算时间，对于经三种情形，利用影响方程求解，并采用回代，粗差定位效果比传统方法要好，它避免了传统方法有时会发生的错误，同时又弥补了人工智能法的某些缺憾，保证了定位的正确性。     

可剔除多个粗差的F-T法

本文首先导出了严密的F和T统计量,F统计量可用于粗差的整体检验,而T统计量可用于F检验后的各单个粗差的检验。然后给出一个算例,且与[1,7]中的方法进行比较。可以看到,文中提出的F-T法在理论上是严密的,在实用上是可行的,因此,它优于现有的几种方法。     

GPS高程拟合中剔除粗差的方法

在GPS高程拟合中,粗差影响着整个拟合的精度,粗差剔除是GPS高程拟合中重要一步。文中提出一种循环泰勒多项式拟合法和F-T法的组合,通过与部分最小二乘平差法比较,发现这种方法不但有严谨的理论,有可行的应用价值,而且可以有效地剔除粗差。     

利用KD-树剔除机载雷达点云粗差的方法研究

针对机载LiDAR点云数据后处理中的现有粗差剔除方法存在需要大量人工干预或普适性差的缺点,该文在使用高程直方图剔除显著的高位、低位粗差的基础上,利用KD-树组织机载LiDAR点云数据,通过判断当前点与其k个最邻近点的平均距离远近来自适应地识别粗差点。实验结果表明:该算法具有参数较稳健、粗差剔除效果较好、效率较高的优势。     

基于方差膨胀模型的粗差探测Bayes方法

基于方差膨胀模型提出并建立了用观测信息的同时利用先验信息判断粗差的Bayes方法.首先,根据Bayes统计推断的基本原理,建立了判断粗差的Bayes方法——后验概率法;然后针对测量平差实际,考虑未知参数的两种先验信息分别给出了非等权独立观测条件下基于该模型的后验概率的计算公式;最后对模拟算例进行了计算和分析.试验结果表明,用给出的探测粗差的Bayes方法是切实可行的.     

基于方差膨胀模型的粗差探测Bayes方法

基于方差膨胀模型提出并建立了用观测信息的同时利用先验信息判断粗差的Bayes方法。首先,根据Bayes统计推断的基本原理,建立了判断粗差的Bayes方法——后验概率法;然后针对测量平差实际,考虑未知参数的两种先验信息分别给出了非等权独立观测条件下基于该模型的后验概率的计算公式;最后对模拟算例进行了计算和分析。试验结果表明,用给出的探测粗差的Bayes方法是切实可行的。     

粗差探测的Bayes方法

讨论粗差探测的Bayes方法。首先根据Bayes统计推断的基本原理,建立判断粗差的Bayes方法———后验概率法,然后针对测量平差实际,分别给出非等权独立观测条件下基于均值漂移模型和方差膨胀模型的后验概率的计算公式,最后结合一边角网算例,验证本文方法的效果。     

基于观测误差后验分布的粗差探测的Bayes方法

从观测误差出发,运用3σ-原理提出了一种粗差探测的Bayes方法--基于观测误差的后验概率法.针对非等权独立观测情形,在一定先验分布下推导了观测误差的后验分布;建立了与观测误差有关的后验概率的计算公式;给出了粗差估算的Bayes方法;提出了基于观测误差的后验概率进行粗差探测的实施过程.最后结合算例说明了其效果,并且与其他粗差探测方法进行了比较.大量试验表明,给出的探测粗差的Bayes方法是切实可行的.它不仅有效地发现了粗差,而且结果比较理想.     

基于观测误差后验分布的粗差探测的Bayes方法

从观测误差出发,运用3σ-原理提出了一种粗差探测的Bayes方法——基于观测误差的后验概率法。针对非等权独立观测情形,在一定先验分布下推导了观测误差的后验分布;建立了与观测误差有关的后验概率的计算公式;给出了粗差估算的Bayes方法;提出了基于观测误差的后验概率进行粗差探测的实施过程。最后结合算例说明了其效果,并且与其他粗差探测方法进行了比较。大量试验表明,给出的探测粗差的Bayes方法是切实可行的。它不仅有效地发现了粗差,而且结果比较理想。     

粗差拟准检定的实施方案设计

拟准检定法是根据真误差与观测值有确定的关系式RΔ=-RL,通过直接解算真误差估值Δ来检测粗差。由于真误差能直接反映粗差的大小，所以这种方法可靠性强。本文主要阐述该方法的实施方案设计思想及其步骤和选择“拟准观测”的一些技巧。     

数学形态滤波在大坝安全监控数据粗差检测中的应用

为了有效地判别和定位大坝安全监控数据中的粗差,将数学形态滤波应用于粗差检测,针对大坝监控数据的变化特点研究了其算法和结构元素的选取。首先根据实测数据的特点选择合适的结构元素,然后根据所选的结构元素对数据进行数学形态滤波处理,最后根据实测值与滤波结果之间差值的大小应用四分点法拟定门限来判别粗差。对某混凝土坝裂缝开度数据加入粗差以模拟实际的情况,并采用该方法来检测加入的粗差,滤波得到的结果有效抵挡了粗差的影响,加入的粗差全部被检测出。     

滑坡监测中点云数据分析

山体滑坡是不可逆转的自然灾害,实时监测滑坡绝对位移和相对位移,掌握滑坡形变的规律和趋势,可减少经济损失,保障经济发展。三维激光扫描技术是监测山体滑坡的主要方法之一,其关键是去除地表植被、建筑物等其他地物点云信息对地表模型的干扰,获得扫描区域高精度的DEM,进而得到准确的监测信息。因此本文重点分析并去除滑坡体各种干扰地物点云信息。     

基于识别变量的粗差探测Bayes方法

从一个新的角度出发,对应每个观测值引入一个识别变量,基于识别变量的后验概率提出一种新的粗差定位的Bayes方法,并构造相应的均值漂移模型给出粗差估算的Bayes方法.由于识别变量的后验分布往往是复杂的、非标准形式的,为此设计一种MCMC(Markov Chain Monte Carlo)抽样方法以计算识别变量的后验概率值.最后对一边角网进行了计算和分析.试验表明,本文给出的探测粗差的Bayes方法不仅充分利用了先验信息,而且克服了以往粗差定位方法的模糊性以及探测标准选择的问题,同时计算简便.     

GPS滑坡高程监测的数据处理问题

着力于GPS在滑坡监测中的数据处理研究,得到滑坡监测点较精确的垂直位移。将GPS数据处理成果与相应的二等精密水准成果进行比较,采用二元方差分析理论,得出了GPS监测可以替代精密水准,满足滑坡体形变监测精度要求的结论。