Izravnanje mreza
description
Transcript of Izravnanje mreza
GRAĐEVINSKI FAKULTEGRAĐEVINSKI FAKULTEТТ ООdsek za geodezijudsek za geodeziju
Doc.Doc.
drdr
ZagorkaZagorka
GospaviGospavićć,
dipl.geod.inž.
ŠŠkolska 200kolska 2009/109/10
MODEL IZRAVNANJAGEODETSKIH MREŽA
U teoriji izravnanja geodetskih mreža, koja se bazira na primeni metoda najmanjih kvadrata (MNK), postoji širok spektar različitih matematičkih modela izravnanja. U praktičnim primenama izravnanja geodetskih mreža najčešće se koriste sledeće metode:
•
izravnanje po metodi posrednih merenja,•
izravnanje po metodi uslovnih merenja,•
izravnanje po metodi uslovnih merenja sa nepoznatim parametrima,
•
izravnanje po metodi posrednih merenja kada su parametri u određenim matematičkim uslovima.
Model izravnanja geodetskih
mreža
zasnovan
je
na
matematičkom
modelu
koji
predstavlja
matematički
opis
pretpostavki
o merenjima
i njihovoj
funkcionalnoj
vezi
sa
nepoznatim
parametrima
(najčešće
koordinatama
tačaka).
Model izravnanja
Matematički
model koji
se koristi
prilikom
analiza
geodetskih
mreža, a koji najbolje
opisuje
stvarno
stanje
jednog
takvog
sistema, je
Gaus-Markovljev
model, koji
za
ocene
parametara
modela
koristi
metod
najmanjih
kvadrata (MNK).
1. Izravnanje po metodi posrednih merenja
Analiza
merenja
pre izravnanja
Analiza i testiranje rezultata merenja pre izravnanja:
1.
Postojanje grubih grešaka1.1. Iz odstupanja sumljivog merenja od aritmetičke sredine1.2. Preko raspona merenja
1.
Homogenost rezultata merenja 2.
Normalnost rasporeda merenja
Gauss-Markovljev
model-
Stohasticki
model -
Osnovna
pretpostavka
o merenjima, koju
je
još
Gaus
(1908) uveo, a pod kojom
važi
metod
najmanjih
kvadrata, jeste
da
matematičko
očekivanje
greške
merenja
bude
nula, odnosno
da
greške
merenja
slede
normalnu
raspodelu, sa
matematičkim
očekivanjem
nula
i kovaricionom
matricom
‘’K’’.
Merene
veličine
su
slučajne
veličine
koje
slede
normalnu
raspodelu
verovatnoća
izraženu
u obliku:
gde
je
vektor
očekivanja
i kovarijaciona
matrica
merenih
veličina.
),(~ ll KNl μ
0)()( == vMM ε ),0(~ KNε
lμ lK
Geodetska
merenja
odnose
se na
različite
fizičke
veličine
(uglovi, pravci, dužine, visinske
razlike
i druge
fizičke
veličine) koje se u zavisnosti od metode i mernog pribora određuju sa različitom tačnošću. Stohasticki
model definise
određene pretpostavke vezane za merenja.
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
nl
ll
l...
2
1
l
lllll
lllll
lllll
QK
nnn
n
n
20
21
2
2
...............
...
...
2
2212
1211
σ
σσσ
σσσσσσ
=
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=l
nlll ..., , , 21
Gauss-Markovljev
model-
Stohasticki
model -
Pretpostavke
koje
se odnose
na
korelisanost
opažanja
- Slučaj
korelisanih
opažanja
različite preciznosti ll QK 20σ=
1l−⋅=
⎟⎟⎟⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜⎜⎜⎜
⎝
⎛
⋅=
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
= P
p
p
p
K o
n
o
l
l
l
l
n
22
1
2
2
2
2
1
1
1
2
1
σσ
σ
σσ
OO
120
−= ll PK σ- Slučaj
nekorelisanih
opažanja
različite preciznosti
llll EKEP 20σ=⇒=- Slučaj
nekorelisanih
opažanja
iste
preciznosti
Gauss-Markovljev
model-
Funkcionalni
model -
Funkcionalni model definise funkcionalnu –
matematičku vezu između merenih veličina i nepoznatih parametara modela.
Opšti nelinearni funkcionalni model)ˆ(ˆ XFvll =+=
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
nl
ll
l
ˆ
ˆˆ
ˆ 2
1
M⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
nl
ll
lM2
1
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
n
v
υ
υυ
M2
1
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
)X(F
)X(F)X(F
XF
nˆ
ˆˆ
)ˆ( 2
1
M
lv
)ˆ(XF
X̂
l̂ Vektor izravnatih (ocenjenih ) veličinaVektor merenih veličinaVektor popravaka merenih veličina
Vektor nelinearnih matematičkih funkcijaVektor izravnatih (ocenjenih ) parametara
,
i
)ˆ(ˆ XFvll =+=
) , ... , ,()ˆ ..., ,ˆ,ˆ(ˆ000 dttdyydxxFtyxFll iiiii +++==+= υ
Gauss-Markovljev
model-
Funkcionalni
model -
xXX ˆˆ0 +=
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
t
yx
X
ˆ
ˆˆ
ˆM
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
0
0
0
t
yx
XM
0
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
dt
dydx
xM
ˆ
Vektor
ocenjenih
vrednostiparametara
Vektor
pribliznih
vrednostiparametara
Vektor
priraštajaparametara
Gauss-Markovljev
model-
Linearizacija funkcionalnog modela
-
Metod najmanjih kvadrata podrazumeva linearnost funkcija veze.
dttFdy
yFdx
xFtyxFl iii
iii000
000 ....) , ... , ,(∂∂
++∂∂
+∂∂
+=+υ
iiiii fdtudybdxa +⋅++⋅+⋅= ...υ
Gde je:
0xF
a ii ∂
∂=
0yF
b ii ∂
∂=
0tF
u ii ∂
∂=
iii ltyxFf −= ) , ... , ,( 000
-
Parcijalni izvodi funkcije po nepoznatim parametrima
-
Slobodni članovi (približno –
mereno)
Funkcija veze
)ˆ(XF
Gauss-Markovljev
model-
Funkcionalni model u matričnom obliku -
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
+
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
⋅
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
nnnnn f
ff
dt
dydx
uba
ubauba
v
vv
MM
L
MOMM
L
L
M2
1
222
111
2
1
fxAv +⋅= ˆˆ
Algoritam izravnanja-
Primena
metoda najmanjih kvadrata -
min=⋅⋅ vPv lT
Metod najmanjih kvadrata predstavlja rešenje preodređenog sistema linearnih jednačina (jednačina veza) pod pretpostavkom stohastičkog modela,uz uslov minimizacije kvadratne forme . .
fxAv +⋅= ˆ
dvPvvPdv lTT
lT ⋅⋅=⋅⋅ )(
0=⋅⋅+⋅⋅ dvPvvPdv lT
lT
02 =⋅⋅⋅ dvPv lT
xdAdv ˆ⋅=
0ˆ =⋅⋅⋅ xdAPv lT
Tl
T APv /0=⋅⋅
0=⋅⋅ vPA lT
0ˆ =+⋅⋅⋅ )( fxAPA lT
0ˆ =⋅⋅+⋅⋅⋅ fPAxAPA llT
0ˆ =+⋅ nxNPAAN T=
fPAn l ⋅⋅=
-
Matrica koeficijenata normalnih jednačina
-
Matrica slobodnih članova normalnih jednačina
- Sistem normalnih jednačina
,ˆ ˆ1 nQnNx x ⋅−=⋅−= −
Algoritam izravnanja-
Ocene parametara modela -
-
Vektor ocenjenih priraštaja nepoznatih parametara
fxAv +⋅= ˆˆ
-
Izravnate vrednsti nepoznatih parametaradtttdyyydxxx +=+=+= 000ˆ . .ˆ,ˆ
-
Vektor ocenjenih popravaka merenja
iii vll ˆˆ +=-
Izravnate vrednsti merenih veličina)ˆ ..., ,ˆ,ˆ(ˆ tyxFl ii =
iii vltyxF ˆ)ˆ ..., ,ˆ,ˆ( += -
Kontrola izravnanja!!!
Mere kvaliteta (tačnosti) modela-
Mere preciznosti modela-
unvQv
QtragQvQvs l
T
vl
lo −
==−
−
− ˆˆˆˆˆˆ
1
1
1T Empirijska
standardna
devijacija
jedinice
težine određena iz izravnanja (a posteriori standarna
devijacija
obeležava se još
i sa ).oσ̂
iii xxox Qss ⋅= Empirijska
standardna
devijacija
nepoznatih parametara.
122ˆ
2ˆ )(ˆˆˆ −− ⋅=⋅=⋅= APAsNsQsK l
TooXoX
1
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
uuuu
u
u
xxxxxx
xxxxxx
xxxxxx
QQQ
QQQQQQ
Q
L
MOMM
L
L
21
22212
12111
x̂
Preciznost
geodetskih
mreža
predstavlja
statistički
kvalitet
ocena
veličina
( funkcija
ili
nepoznatih
parametara
-
koordinata
). Mere preciznosti
nam, pre svega, daju
informaciju
o prisustvu
i uticaju
slučajnih
grešaka.Osnovi izvor informacija o preciznosti ocena predstavljaju kovariciona matrice ocena K, odnosno, kofaktorske matrica ocena (u ovom slučaju najvažnija kofaktorska matrica nep. parametara x̂Q
iiiii yyxxop QQss +⋅= Položajna tačnost iz izravnanja tačaka 2D mreže.
iii llolQss ˆˆˆ ⋅= Empirijska
standardna
devijacija
izravnatih merenih veličina
T1T1 AAPAAsAANsQsK lT
oolol−− ⋅=⋅=⋅= )(ˆˆˆ 22
ˆ2 Kovariciona matrica izravnatih merenih veličina
)(ˆˆ 12ˆ
2ˆ
Tlovov AANQsQsK −−⋅=⋅= Kovariciona matrica popravaka
Mere kvaliteta (tačnosti) modela- Globalne mere preciznosti modela-
k
kxx
kxx
K
trK
λλλλλ
λλλ
λλλσ
λλλσ
⋅⋅⋅→−
→
→→⋅⋅⋅=
→+++=
.....min
min
minmin).....(ˆdet
min).....(ˆ
21
minmax
min
max
max
2120ˆˆ
2120ˆˆ
Mere kvaliteta (tačnosti) modela-Lokalne mere preciznosti modela-
Elementi apsolutnih elipsi grešaka
( )
( )kQQ
kQQ
yyxx
yyxx
−+=
++=
2121
2
1
λ
λ
⎟⎟⎠
⎞⎜⎜⎝
⎛=
yyyx
xyxx
QQQQ
Qx̂ 0)(
)()det( ˆ =
−−
=⋅−λ
λλ
yyyx
xyxx
QQQQ
IQx
0)( 22 =−++− xyyyxxyyxx QQQQQ λλ
( )
( )kQQsssB
kQQsssA
yyxxoBoo
yyxxoAoo
−+⋅=⋅=⋅=
++⋅=⋅=⋅=
2121
2
1
λλ
λλ
x
y
yyxx
xy
xx
arctgQQ
Qarctg
1
1221
=−
=θ
( ) 22 4 xyyyxx QQQk +−=
Elementi elipse grešaka za verovatnoću (1-α)
αα
αα
λ
λ
−−
−−
⋅⋅=⋅⋅⋅=
⋅⋅=⋅⋅⋅=
1,,21,,2
1,,21,,2
22
22
rrBoF
rrAoF
FBFsB
FAFsA
yyxx
xyF QQ
Qarctg
−==
221θθ
Pouzdanost
geodetskih
mreža
predstavlja
kvalitet
predloženog
rešenja
mreže
(geometrije
i merenja) s’obzirom
na
mogućnost
otkrivanja
grubih
grešaka
u merenjima
(unutrašnja
pouzdanost) i s’obzirom
na
uticaj
neotkrivenih
grubih
grešaka
na
ocene
traženih
veličina
(spoljašnja
pouzdanost). Kod
mera
pouzdanosti
razlikujemo
još
lokalne
i globalne
mere pouzdanosti. Globalne
mere pouzdanosti
odnose
se na
mogućnost
utvrđivanja
postojanja
grubih
grešaka
bez
mogućnosti
njihovog
lociranja, dok
su
mere lokalne
pouzdanosti
vezane
za
verovatnoću
otkrivanja
rezultata
koji
odskaču.
Mere kvaliteta (tačnosti) modela-
Mere pouzdanosti modela-
=⋅−=− −− lQANAEv lT ) ( 1 1
=⋅−= −− 11 )( lT
l QAANQ
lQQ lv ⋅= −1 lR ⋅=
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
== −
nnnn
n
n
lv
rrr
rrrrrr
QQR
L
MOM
L
21
22221
11211
1
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
nl
ll
M2
1
l
=+++++=− niniiiiii lrlrlrlr ......2211υ
ivlvii PQQQriiii
== −1
Faktor rii predstavlja uticaj grube greške i-tog opažanja na i-tu popravku. Iz toga sledi da je verovatnoća otkrivanja grube greške u i-tom opažanju veća ukoliko je faktor rii veći.
Kod
merenja kod kojih je rii manje od 0.3 smatraju se nepouzdanim.
Faktor rii kao mera lokalne unutrašnje pouzdanosti:
Metode isključenja grubih grešaka
Grube
greške
u merenjima
su
najčešće
prouzrokovane
neispravnostima
instrumenata
ili
ličnim
greškama
operatera. Prilikom
izravnanja
merenja
u mreži
po
metodi
najmanjih
kvadrata, a po
modelu
Gauss-Markovljeva, kao
rezultat
ocene
dobijaju
se popravke
merenja
koje
u sebi
sadrže
mešavinu
različitih
tipova
grešaka. Da
bi došli
do određenih
saznanja
o pojavi
grubih
grešaka
neophodno
je
uvesti
određene
pretpostavke
u vezi
stohastičkih
svojstava
popravaka. U tom smislu
pod rezultatom
merenja
koji
odskače
(koji
je
opterećen
grubom
greškom) tretira
se popravka
koja
prema
određenim
pravilima
odstupa
od
neke
pretpostavke.
Globalna test statistika za greške matematičkog modela
)E(σ)E(sH ooa22 : =
~2
,2
2
2 ⎟⎟⎠
⎞⎜⎜⎝
⎛≅== ∞ r
FsrPvvT r
ro
o
o
T χσσ
ar HFT →≤ ∞− ,,1 α
0,,1 HFT r →> ∞−α
)E(σ)E(sH oo22
0 : ≠
Test statistika Test odluka
Metode isključenja grubih grešaka
Lokalna test statistika
(data-snooping)
za grube greške merenih veličina
Kada nije prihvaćena nulta hipoteza, neophodno je ispitati
razloge njenog neprihvatanja odnosno, proveriti da li postoje grube greške, da li je uzeta odgovarajuća tačnost opažanja i odgovarajući funkcionalni model opažanja. Prvo se identifikuju eventualne grube greške u pojedinim
merenim veličinama odnosno, hipoteze
glasi:
0 : ≠∇iAH0 : =∇ioH
gde je :
⎟⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜⎜
⎝
⎛
∇=∇
00
00
iVektor grubih grešaka u merenju
iil
i
o
iii rQ
iiii⋅−
=−
=−
=σ
υσ
υσυω
υυυ
oi HN /)1 ,0(~ω
oNi Hk →< )1 ,0(ω
aNi Hk →> )1 ,0(ω
Test statistika Test odluka