- •1.1. События и их виды. Относительная частота
- •1.2. Случайные величины и их виды, законы распределения
- •1.2.1. Случайные величины и их виды.
- •1.2.2. Законы распределения случайных величин
- •1.2.3. Функция распределения вероятностей
- •1.2.4. Плотность распределения вероятностей непрерывной
- •1.3. Числовые характеристики случайных величин.
- •1.3.1. Числовые характеристики дискретных
- •1.3.2. Нормальный закон распределения
- •1.3.3. Системы случайных величин
- •1.3.4. Ковариация и корреляция
- •1.4. Выборочный метод. Статистические оценки
- •1.4.1. Выборочный метод
- •1.4.2. Статистические оценки параметров распределения
- •2.1. Виды геодезических измерений
- •2.2. Погрешности геодезических измерений,
- •2.3. Критерии оценки точности измерений
- •3.1. Обработка ряда равноточных измерений
- •3.2. Понятие веса
- •3.3. Обработка ряда неравноточных измерений
- •4.1. Оценка точности геодезических измерений
- •4.2.Оценка точности функций геодезических измерений
- •5.1. Метод наименьших квадратов
- •5.2. Сущность и способы уравнивания
- •6.1. Теоретические основы параметрического способа
- •6. 2. Способ узлов Попова составления нормальных уравнений.
- •6. 3. Виды уравнений поправок
- •6. 4. Решение нормальных уравнений способом Гаусса
- •6. 5. Алгоритм уравнивания геодезических построений
- •7. 1. Некоторые виды условий в геодезических сетях
- •7. 2. Теория уравнивания коррелатным способом
- •7. 3. Способ полигонов Попова составления нормальных
- •7.4. Решение нормальных уравнений коррелат
- •7. 5. Оценка точности
6.1. Теоретические основы параметрического способа
уравнивания
Идея параметрического способа уравнивания изложена в предыду-
щей лекции (сущность и способы уравнивания), где показано, как прямые
измерения связаны функционально с определяемыми параметрами.
Рассмотрим параметрический способ уравнивания в общем виде.
(df i /dX k )x k = x o = q i ; l i = f i (X , X , … , X ) − y i .
Пусть известна исходная функция f связи между неизвестными па-
раметрами Х j и вектором измерений Y
f (X1, X2, ... , X ) = Y. (6.1)
Вектор Y могут составлять как измеренные величины, так и их
функции (дирекционные углы, координаты, высоты др.). Задача уравнива-
ния состоит в том, чтобы найти такие значения x параметров Х, которые
были бы наилучшими оценками.
По условию (6.1) каждому измеренному элементу y i соответствует
элемент f i , где i = 1,2, … , n (n >k). Если предположить (для общности)
неравноточность измерений, то вектору Y будет отвечать вектор весов
diag P.
Для приведения (6.1) к линейному виду надо ее разложить в ряд
Тейлора, для чего найти вектор приближенных значений неизвестных
X 0j = (X 10 , X 02 , … , X 0k ), используя результаты измерений. После нахожде-
ния элементов (df i /dx j ) xjx0 j − частных производных функции f по пе-
ременной Х, запишем функцию в линейном виде
(df i /dx j ) xjx0 j δx j + f i ( X 10 , X 02 , … , X 0k ) = y i , (6.2)
где δx j= Х j − X 0j - поправка, равная разности между истинным и прибли-
женным значениями искомого параметра.
o 0
0 0 0
1 2 k
k
Тогда вместо (6.2) имеем
a i δx 1 + bi δx 2 + … + qi δx k + l i = v, (6.3)
где vi= y i уравн. − y i измер − поправка к измеренному значению v, получаемая в
результате уравнивания параметрическим способом.
Равенства (6.3) – система параметрических уравнений поправок.
В матричной форме
A ∙ δX + L = V, (6.4)
где матрица коэффициентов
46
a1 b1 q1
df1 / dX 1 df1 / dX 2
df1 / dX k
A
a 2 b2 q2
df 2 / dX 1
an bn
qn
df n / dX 1
dfi / dX k
векторы
δX = [δx 1 δx 2 … δx k ];
L = [ l1 l 2 … l n ];
V = [ v 1 v 2 … v n ].
В соответствии с принципом метода наименьших квадратов систему
уравнений (6.4) решают, обеспечивая условие
F = V T ∙P ∙V = min,
(6.5)
где
− диагональная матрица весов измеренных
p1
p2
pn
значений y i .
Для отыскания min функции F следует найти ее частные произ-
водные по неизвестным параметрам и приравнять их к нулю. В результате
получим выражение
[pav] = 0;
[pbv] = 0; (6.6)
...………
[pqv] = 0,
т.е. А T ∙P ∙ V = 0, (6.7)
называемое леммой Гаусса.
Если будет соблюдено условие (6.7), то при этом будет выполнено и
условие min (6.5).
47
Подставив в систему (6.6) вместо v i выражение (6.3) образуем сис-
тему линейных н о р м а л ь н ы х у р а в н е н и й.
[paa] δx 1 + [pab] δx 2 + … + [paq] δx k + [pal] = 0;
[pab] δx 1 + [pbb] δx 2 + … + [pbq] δx k + [pbl] = 0; (6.8)
… … … … …
[paq] δx 1 + [pbq] δx 2 + … + [pqq] δx k + [pql] = 0,
где [paa] = p 1 a 1 a 1 + p 2 a 2 a 2 + … + p n a n a n ;
… … … … …
[pal] = p 1 a 1 l 1 + p 2 a 2 l 2 + … + p n a n l n и т.д.
В матричной форме нормальные уравнения имеют вид
A T ∙ P ∙ A ∙ δX + A T ∙P ∙ L = 0, (6.9)
a1 a2 an p1
a1 b1
q1
где AT PA N n
b1 b2 bn
p2
a2 b2 q2
q1 q2 qn
paa pab paq
pab pbb pbq
pn an bn q
n
(6.10)
paq pbq paa
− матрица коэффициентов нормальных уравнений размером k Û k;
(AT P L)T = [[pal] [pbl] … [pql]]T (6.11)
– вектор свободных членов размером k Û 1.
Затем необходимо решить систему нормальных уравнений. В мат-
ричном виде это решение выглядит
δX = − Nn-1 AT P L. (6.12)
Полученный из решения вектор поправок (δx1, δx2, … , δxk) к при-
ближенным значениям X 10 , X 02 , … , X 0k применяют для определения урав-
ненных значений, т.е. Xj = Xj0 + δxj .
48
Может быть найден вектор поправок (6.4) к измеренным элементам,
который служит для вычисления уравненных значений, вектор которых
Yуравн = Yизме + V.
После этого оценивают точность.