粗差检测方法对比:数据探测法、拟准检定法与LEGE法分析
84 浏览量
更新于2024-09-03
收藏 327KB PDF 举报
"本文对比分析了三种粗差检测方法:数据探测法、拟准检定法和多维粗差同时定位定值法。通过介绍这些方法的基本原理和应用实例,探讨了它们在粗差检测中的优缺点。"
在测量和数据分析中,粗差的存在严重影响了最小二乘法的精度。最小二乘平差虽然能够优化参数估计,但无法直接识别和剔除粗差。因此,粗差检测成为提高测量结果准确性和可靠性的关键步骤。本文由方杨、何薇等人撰写,针对这一问题,详细介绍了三种主要的粗差检测方法。
首先,数据探测法(Data Snooping)由巴尔达教授提出,它基于标准残差的正态分布假设,通过统计检验来识别异常观测值。这种方法简单直观,但可能受样本大小和显著性水平的影响,导致误判。
其次,欧吉坤提出的拟准检定法(QUAD法)利用真误差与观测值之间的关系,引入拟准观测概念,通过求解秩亏方程组来确定粗差位置。这种方法避免了最小二乘法对粗差的掩盖,但在处理大量数据时计算复杂度较高。
最后,於宗俦的多维粗差同时定位定值法(LEGE法)能同时定位和估计多个粗差,尤其适用于存在多余观测的情况。LEGE法通过线性化观测方程,能够有效地处理高维数据集中的粗差问题,但计算过程可能较为繁琐。
通过对比分析,数据探测法易于理解,但可能不够精确;拟准检定法在理论上更为严谨,但计算量较大;而LEGE法则在定位和定量粗差方面表现出色,尤其适合大规模数据。每种方法都有其适用场景,选择哪种方法取决于具体问题的性质、数据量以及对计算效率的要求。
在实际应用中,根据测量数据的特点和需求,结合这些方法的优势,可以设计出更有效的粗差检测策略。对于测量工程师和数据分析师来说,理解并掌握这些方法,有助于提升数据处理的准确性和可靠性,从而优化整个工程或研究项目的成果。
2021-09-07 上传
2021-09-07 上传
点击了解资源详情
2021-10-16 上传
2021-06-27 上传
2021-10-31 上传
weixin_38649315
- 粉丝: 6
- 资源: 932
最新资源
- 黑板风格计算机毕业答辩PPT模板下载
- CodeSandbox实现ListView快速创建指南
- Node.js脚本实现WXR文件到Postgres数据库帖子导入
- 清新简约创意三角毕业论文答辩PPT模板
- DISCORD-JS-CRUD:提升 Discord 机器人开发体验
- Node.js v4.3.2版本Linux ARM64平台运行时环境发布
- SQLight:C++11编写的轻量级MySQL客户端
- 计算机专业毕业论文答辩PPT模板
- Wireshark网络抓包工具的使用与数据包解析
- Wild Match Map: JavaScript中实现通配符映射与事件绑定
- 毕业答辩利器:蝶恋花毕业设计PPT模板
- Node.js深度解析:高性能Web服务器与实时应用构建
- 掌握深度图技术:游戏开发中的绚丽应用案例
- Dart语言的HTTP扩展包功能详解
- MoonMaker: 投资组合加固神器,助力$GME投资者登月
- 计算机毕业设计答辩PPT模板下载