金麗宏，呂玉婷，汪　耀，許運(yùn)鵬，張小龍

(1.武漢科技大學(xué) 城市學(xué)院，湖北 武漢 430083； 2.中國地質(zhì)大學(xué) 信息工程學(xué)院，湖北 武漢 430074; 3.國家知識(shí)產(chǎn)權(quán)局專利局專利審查協(xié)作四川中心，四川 成都 610213; 4.中建二局第二建筑工程有限公司第四分公司，河南 鄭州 450000)

?

基于部分最小二乘嶺估計(jì)的粗差定值定位

金麗宏1，呂玉婷2，3，汪耀2，許運(yùn)鵬2，張小龍4

(1.武漢科技大學(xué) 城市學(xué)院，湖北 武漢 430083； 2.中國地質(zhì)大學(xué) 信息工程學(xué)院，湖北 武漢 430074; 3.國家知識(shí)產(chǎn)權(quán)局專利局專利審查協(xié)作四川中心，四川 成都 610213; 4.中建二局第二建筑工程有限公司第四分公司，河南 鄭州 450000)

摘要：在利用部分最小二乘原理進(jìn)行粗差定值定位時(shí)，模型的法方程矩陣可能存在病態(tài)性，使得到的粗差定值定位結(jié)果不可靠。文中針對(duì)觀測(cè)數(shù)據(jù)包含多個(gè)粗差且法方程病態(tài)問題，利用嶺估計(jì)處理病態(tài)問題，建立部分最小二乘嶺估計(jì)的粗差定值定位方法，給出粗差搜索步驟，利用迭代算法實(shí)現(xiàn)多個(gè)粗差的定值和定位。通過模擬算例分析部分最小二乘法、部分最小二乘嶺估計(jì)在粗差搜索方面的效果，從另一個(gè)角度探討粗差處理方法，推廣現(xiàn)有的誤差理論，證明文中方法的有效性。

關(guān)鍵詞：粗差；病態(tài)性；部分最小二乘；嶺估計(jì)；定值定位

在測(cè)繪數(shù)據(jù)處理中，粗差的存在嚴(yán)重影響最小二乘平差結(jié)果，為消除或減弱這種影響，國內(nèi)外學(xué)者已進(jìn)行廣泛研究并得到不少解決粗差問題的方法，如數(shù)據(jù)探測(cè)法[1]、部分最小二乘法[2-4]、均值漂移法[5]、LEGE法[6-8]、擬準(zhǔn)檢定法[9]、抗差估計(jì)[10-11]等。部分最小二乘法原理簡(jiǎn)單，適用于處理數(shù)據(jù)量較大的觀測(cè)值，文獻(xiàn)[2]分別研究了觀測(cè)數(shù)據(jù)獨(dú)立或相關(guān)時(shí)粗差的定值定位方法，文獻(xiàn)[3]研究了對(duì)相關(guān)觀測(cè)值中粗差的快速搜索法。在實(shí)際測(cè)量中，因觀測(cè)數(shù)據(jù)不足或平差模型中參數(shù)之間存在近似相關(guān)性，使得觀測(cè)方程的系數(shù)矩陣表現(xiàn)出明顯的復(fù)共線性，法方程矩陣出現(xiàn)病態(tài)問題。若觀測(cè)數(shù)據(jù)同時(shí)存在病態(tài)性與粗差問題，因病態(tài)性的影響，部分最小二乘法對(duì)粗差定值定位失效。

為實(shí)現(xiàn)法方程矩陣病態(tài)的觀測(cè)數(shù)據(jù)中多個(gè)粗差的定值定位，本文將嶺估計(jì)[12-14]方法引入平差模型，建立了基于部分最小二乘嶺估計(jì)的粗差定值定位理論。首先將觀測(cè)值進(jìn)行分組，利用嶺估計(jì)處理病態(tài)問題，得到了該模型下的部分最小二乘嶺估計(jì)及粗差估計(jì)值表達(dá)式；然后給出了逐次逐個(gè)粗差搜索的步驟，實(shí)現(xiàn)了多個(gè)粗差的定位。最后用一組算例驗(yàn)證了本文方法的有效性。該估計(jì)方法為處理同時(shí)存在粗差與病態(tài)的觀測(cè)數(shù)據(jù)提供了一種新的思路，擴(kuò)大了部分最小二乘法的適用范圍。

1粗差定值

為實(shí)現(xiàn)觀測(cè)數(shù)據(jù)中粗差的定值定位，基于系統(tǒng)聚類思想，將觀測(cè)值分為兩組，第1組為不含粗差的r個(gè)觀測(cè)值Lr，第2組為含全部粗差的q個(gè)觀測(cè)值Lq，則兩組觀測(cè)值基于Gauss-Markov平差模型的誤差方程表示為

(1)

(2)

為克服病態(tài)性的影響，重新實(shí)現(xiàn)粗差的定值定位，將嶺估計(jì)引進(jìn)平差模型，根據(jù)嶺估計(jì)的定義，則第1組觀測(cè)值的平差準(zhǔn)則為

(3)

其中：κ為嶺參數(shù)，M為對(duì)稱正定矩陣，對(duì)于嶺估計(jì)，M通常為單位陣，觀測(cè)式(1)在式(3)條件下得到的估計(jì)值即為部分最小二乘嶺估計(jì)。

首先對(duì)于式(3)關(guān)于X求極小值，即有

(4)

再將式(1)代入式(4)得到參數(shù)解為

(5)

根據(jù)式(1)、式(5)得到第1組觀測(cè)數(shù)據(jù)的殘差為

(6)

相應(yīng)的單位權(quán)中誤差估值為

(7)

最后將式(5)代入式(2)得第2組觀測(cè)值的改正數(shù)為

(8)

2粗差定位

實(shí)際測(cè)量中，粗差的個(gè)數(shù)與位置事先是無法得知的，通過逐步搜索每次定位一個(gè)粗差，直到找到全部粗差為止。觀測(cè)值不含誤差時(shí)其單位權(quán)中誤差明顯小于含粗差時(shí)的單位權(quán)中誤差，因此，搜索過程中，通過判斷最小二乘嶺估計(jì)中最小的單位權(quán)中誤差減小的程度決定是否繼續(xù)搜索。結(jié)合文獻(xiàn)[2]的判別標(biāo)準(zhǔn)與部分最小二乘嶺估計(jì)，本文采用下式對(duì)單位權(quán)中誤差減小的顯著性進(jìn)行判斷。

(9)

若bizhi>2，單位權(quán)中誤差顯著變小，說明觀測(cè)數(shù)據(jù)中只含一個(gè)粗差，該單位權(quán)中誤差所對(duì)應(yīng)的觀測(cè)值在原觀測(cè)數(shù)據(jù)中的位置即為粗差位置q1，結(jié)束搜索；

若bizhi<2，單位權(quán)中誤差有所減小但并不明顯，表示觀測(cè)值至少含2個(gè)粗差，需要繼續(xù)進(jìn)行搜索，進(jìn)入步驟3)。

最后根據(jù)定位結(jié)果將觀測(cè)值分為含粗差與不含粗差兩組，對(duì)第1組觀測(cè)值重新平差求得部分最小二乘嶺估計(jì)，再根據(jù)式(8)算得粗差估值。

3算例分析

為了驗(yàn)證方法的有效性，現(xiàn)模擬一個(gè)算例進(jìn)行證明。觀測(cè)值為：L=BX+Δ，Δ～N(0,1)，觀測(cè)值數(shù)n=10，X的真值為X=[11111]T，必要觀測(cè)數(shù)t=5，其設(shè)計(jì)矩陣為

不妨在第2、6個(gè)觀測(cè)值處分別加入大小為10的粗差。

根據(jù)病態(tài)性診斷方法中的條件數(shù)法[13]，計(jì)算法方程系數(shù)陣N=BTPB的條件數(shù)為1.289 2×105，病態(tài)性嚴(yán)重。

1)利用部分最小二乘法探測(cè)粗差。粗差搜索過程中，假設(shè)觀測(cè)數(shù)據(jù)不含粗差時(shí)，平差求得的單位權(quán)中誤差為1.686 6；假設(shè)觀測(cè)值含一個(gè)粗差時(shí)，計(jì)算得到單位權(quán)中誤差最小值為0.832 3，位置為第2個(gè)觀測(cè)值，計(jì)算單位權(quán)中誤差比值大于2，搜索結(jié)束，判斷原觀測(cè)值只有第2個(gè)觀測(cè)值含粗差，與真實(shí)粗差位置不符。基于此定位結(jié)果算得的參數(shù)解為

-118.402 43.989 9]T，

其值遠(yuǎn)遠(yuǎn)偏離真值。

圖1　假設(shè)有1個(gè)粗差時(shí)的單位權(quán)中誤差

圖2　假設(shè)有2個(gè)粗差時(shí)的單位權(quán)中誤差

計(jì)算結(jié)果表明，當(dāng)觀測(cè)數(shù)據(jù)的法方程矩陣病態(tài)時(shí)，傳統(tǒng)的部分最小二乘法對(duì)粗差定值定位失??；部分最小二乘嶺估計(jì)方法可以在觀測(cè)數(shù)據(jù)存在病態(tài)問題時(shí)實(shí)現(xiàn)多個(gè)粗差的定值定位。

4結(jié)論

對(duì)法方程矩陣病態(tài)的觀測(cè)數(shù)據(jù)進(jìn)行粗差探測(cè)，本文結(jié)合嶺估計(jì)與部分最小二乘法各自的優(yōu)點(diǎn)，提出了基于部分最小二乘嶺估計(jì)的粗差探測(cè)方法，在改善數(shù)據(jù)病態(tài)性的同時(shí)，實(shí)現(xiàn)粗差的定值定位。通過公式推導(dǎo)與算例分析，可以得到如下結(jié)論：

1)當(dāng)觀測(cè)數(shù)據(jù)同時(shí)存在粗差與病態(tài)問題時(shí)，因病態(tài)性的影響，傳統(tǒng)的部分最小二乘法無法對(duì)粗差定值定位。本文通過引入嶺估計(jì)解決病態(tài)問題，并結(jié)合部分最小二乘原理推導(dǎo)出了部分最小二乘嶺估計(jì)。

2)基于部分最小二乘嶺估計(jì)得到了粗差估值表達(dá)式，通過逐次逐個(gè)搜索方法實(shí)現(xiàn)對(duì)多個(gè)粗差定位。利用模擬算例證明該方法能對(duì)多個(gè)粗差進(jìn)行準(zhǔn)確定位，且得到的粗差估值接近其真實(shí)值。

3)本文方法豐富了部分最小二乘理論，擴(kuò)大了其適用范圍，為處理包含粗差與病態(tài)問題的觀測(cè)數(shù)據(jù)提供了一種思路。

參考文獻(xiàn)：

[1]BAARDA W. A Test Procedure for Use in Geodetic Networks [J]. Netherlands Geod Comm.,1968,2(5):5-7.

[2]王愛生，歐吉坤.部分最小二乘平差方法及在粗差定值與定位中的應(yīng)用[J].測(cè)繪科學(xué)，2005，30(2):70-72.

[3]林國慶，范東明，謝用.部分最小二乘平差的快速多維粗差定位定值法[J].測(cè)繪，2010，33(4):162-164.

[4]王海濤,歐吉坤,袁運(yùn)斌，等. 估計(jì)觀測(cè)值粗差三種方法的等價(jià)性討論[J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2013,38(2):162-166.

[5]宋力杰. 均值平移模型的理論研究及其分析[J].測(cè)繪學(xué)院學(xué)報(bào)，2009，17(3):160-162.

[6]於宗儔，李明峰. 多維粗差的同時(shí)定位與定值[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1996，21(4):323-329.

[7]於宗儔，李明峰. 對(duì)LEGE法性質(zhì)的進(jìn)一步討論及其改進(jìn)搜索方法[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1998，23(3):238-243.

[8]宋力杰，楊元喜. 均值漂移模型粗差探測(cè)法與LEGE法的比較[J].測(cè)繪學(xué)報(bào)，1999，28(4):295-300.

[9]歐吉坤. 粗差的擬準(zhǔn)檢定方法(QUAD法) [J]. 測(cè)繪學(xué)報(bào)，1999，28(1):15-20.

[10] 余學(xué)祥，呂偉才.抗差估計(jì)在粗差探測(cè)及平差計(jì)算中的應(yīng)用[J].測(cè)繪工程，1996，5(3):40-44.

[11] 何偉，李明，闞起源.抗差加權(quán)非等時(shí)距GM(1，1)模型在大型建筑物沉降預(yù)測(cè)中的應(yīng)用[J].測(cè)繪工程，2014，23(4):62-68.

[12] 歸慶明，李國重. 嶺-壓縮組合估計(jì)及其在測(cè)量平差中的應(yīng)用[J].大地測(cè)量與地球動(dòng)力學(xué)，2002，22(1):16-21.

[13] 王振杰. 大地測(cè)量中不適定問題的正則化解法研究[D].中國科學(xué)院研究生院(測(cè)量與地球物理研究所)，2003.

[14] 丁士俊. 測(cè)量數(shù)據(jù)的建模與半?yún)?shù)估計(jì)[D]. 武漢：武漢大學(xué)，2005.

[責(zé)任編輯：劉文霞]

Location and evaluation of gross error based on partly least square ridge estimationJIN Lihong1, LYU Yuting2,3, WANG Yao2, XU Yunpeng2, ZHANG Xiaolong4

(1.City College,Wuhan University of Science and Technology,Wuhan 430083,China；2.School of Information Engineering, China University of Geosciences, Wuhan 430074,China;3.Patent Examination Cooperation Center of the Patent Office, SIPO, Chengdu 610213,China;4.The Fourth Construction Engineering Co.,Ltd. of China Construction Second Engineering Bureau, Zhengzhou 450000,China)

Abstract：By using the principle of partly least square to locate and value the gross errors in the observational data, the matrix equation of the adjustment model may have ill-posed problems, which results in the locations and evaluations of the gross error unreliable. For the observational data which contain gross errors and have ill-posed problems,firstly,this paper chooses the ridge estimation to deal with the ill-posed problems,then proposes a method based on the partly least square ridge estimation to locate and value the gross errors, and the specific search steps for gross errors are given. The locations and evaluations of the gross error can be gotten through the iterative algorithm. At last, the method of partly least square and the partly least square ridge estimation to locate and value the gross errors in one simulating computation are analyzed. The proposed method’s validity is verified. This method discusses the gross error approach from another perspective, which will extend the existing error theory.

Key words：gross error;ill-posed problem;partly least square;ridge estimation;location and evaluation

中圖分類號(hào)：P207

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1006-7949(2016)06-0061-04

作者簡(jiǎn)介：金麗宏(1977-)，女，副教授.

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(41374017)

收稿日期：2015-03-25