共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
3.
4.
5.
粗差发现和定位能力与相关系数的关系 总被引:2,自引:0,他引:2
根据粗差判断方程中的判断矩阵和两个统计检验量之间相关系数的函数式,论证了两种不同的研究方法所确定的粗差不能定位的数学模型实际上是相等的。通过算例,不仅说明两种研究方法对观测量不能定位粗差的判断是一致的,而且使用判断矩阵研究观测量的粗差发现和定位能力会更加方便简单。 相似文献
6.
7.
判断观测值粗差能否发现和定位的一种验前方法 总被引:5,自引:2,他引:5
由于最小二乘(LS)残差统计相关,使得粗差发现和定位关系变得相当复杂,且至今未见有效的理论和方法。作者依据在LS平差前进行粗差发现和定位的思路,有意避开LS残差统计相关的难题,从条件平差模型推导出粗差判断方程(GEJE)Vr=JVt Wc建立起以上式判断矩阵J为基础的粗差发现和定位的判断准则:1.不能发现含有粗差的观测量;2.能发现含有粗差但不能定位粗差的观测量。通过算例的检验,证明了判断矩阵J与控制网中观测量数据结构的对应关系,同时说明粗差不能定位的观测量,再好的粗差检测方法也无法正确定位粗差。 相似文献
8.
粗差发生时,L_1范数估计求得的条件方程闭合差较最小二乘估计(LS)的残差更能集中反映粗差,从而有助于粗差的发现与定位。然而,存在一类观测值,虽然其具有粗差发现和定位能力,但在采用L_1范数估计解决粗差探测问题时,无论含有多大量级粗差都不能准确定位,为叙述方便,称其为L_1抗差性失效点(robustness failpoint in L_1-norm estimation,RFP-L_1)。显然,只有判定测量系统不存在RFP-L_1,或存在时能够准确判断其是否含有粗差,才能保证基于L_1的粗差探测结果的准确、可靠,此过程中,RFP-L_1的识别是问题解决的基础。本文由条件方程,推导出观测值粗差对条件方程闭合差绝对值和的影响系数计算式,得到了最小影响系数大小与观测值是否为RFP-L_1的判别关系,并探讨了存在RFP-L_1的测量系统设计矩阵数值特点,提出了判断RFP-L_1观测值的方法。仿真试验表明,最小影响系数反映了观测值粗差对L_1范数估计目标函数的影响大小,非RFP-L_1和RFP-L_1的最小影响系数具有分别等于1和小于1的规律性,同时得出,若观测方程中系数矩阵只有±1和0,对应的观测量均不属于RFP-L_1。 相似文献
9.