粗差检测方法对比:数据探测法、拟准检定法与LEGE法分析

6 下载量 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。
2021-03-21 上传