HTML
-
为对本文中所构建平面拟合方法的适用性及优越性进行验证,分别利用其对模拟平面数据、实测平面数据进行拟合。
-
设要拟合的平面方程为Z=3X+4Y+5,依次抽取4组观测数据,并分别按照0%, 5%, 10%, 20%的比例加入粗差(大小为3σ0~5σ0,σ0为每组观测数据的中误差),每个观测数据中,X, Y分别为[0, 1000], [0, 2000]区间内的随机整数,相应的Z为[5 11005]区间内的随机整数,同时在模拟数据中加入随机误差e,且随机误差e服从均值为0、标准差为σ2I的正态分布(σ=0.3,I为单位阵)。
分别利用LS法、TLS法(奇异值分解(singular value deeoniposition, SVD))、LS-TLS法、IGGⅢ-LS-TLS法[5]、LS-WTLS混合法(本文中算法)对上述4组观测数据进行拟合实验,各方法计算得到的平面参量及精度评定指标如表 1所示。
proportion of σ Δ|a| Δ|b| Δ|c| $ {{{\hat \sigma }_0}}$ $ {{{\hat \sigma }_p}}$ 0% LS 0 0 0.0007 0.0152 0.0029 TLS 0 0 0.0009 0.0152 0.0029 LS-TLS 0 0 0.0007 0.0030 0.0029 IGGⅢ-LS-TLS 0 0 0.0007 0.0024 0.0029 LS-WTLS 0 0 0.0003 0.0023 0.0022 5% LS 0.0020 0 0.0047 3.5046 0.6770 TLS 0.0158 0.0064 15.2664 6.4890 1.2569 LS-TLS 0.0020 0 0.0047 3.5046 0.6770 IGGⅢ-LS-TLS 0.0003 0.0002 0.3013 0.2115 0.6843 LS-WTLS 0.0001 0 0.0028 0.0565 0.0556 10% LS 0.0036 0.0008 1.7493 4.1745 0.8067 TLS 0.0193 0.0081 19.1327 7.4930 1.4523 LS-TLS 0.0035 0.0008 1.7493 4.1745 0.8067 IGGⅢ-LS-TLS 0 0.0001 0.7808 0.1841 0.8314 LS-WTLS 0 0.0001 0.0718 0.0823 0.0810 20% LS 0.0113 0.0020 2.6627 11.0755 2.1427 TLS 0.1209 0.0527 124.3950 44.9742 8.8819 LS-TLS 0.0111 0.0019 2.5019 2.1755 2.1427 IGGⅢ-LS-TLS 0.0016 0.0006 4.6832 0.94298 2.2148 LS-WTLS 0.0014 0.0005 0.4423 0.51715 0.5080 Table 1. Plane parameters and fitting precision of simulated data
表 1中,当粗差比例为0%时,各方法所得参量解非常接近实际参量值,单位拟合中误差与平面拟合精度较小,由此说明各方法的拟合效果均比较好,仅由于数据取位原因导致各方法所得参量值与实际参量值之间存在一定偏差。
当粗差比例由5%递增到20%时,各方法所得参量解与实际参量值的偏差越来越大,单位权中误差与平面拟合精度呈递增趋势,由此说明,拟合效果随粗差的增加而变差。其中,LS法受粗差影响,拟合效果较粗差比例为0%时明显下降;TLS法过多顾及到系数矩阵不含误差部分,整体拟合效果最差;LS-TLS法虽顾及平面参量的常数项不含误差,对两部分参量进行独立解算,但其未考虑到各观测值精度差异,因此拟合效果不稳定;IGGⅢ-LS-TLS法综合考虑了含误差参量与常数项的区别,对其进行了独立解算,同时根据各观测值的精度,确定其参量平面拟合的权重,因此获得了较好的拟合效果;LS-WTLS混合法在IGGⅢ-LS-TLS法的基础上,引入加权总体最小二乘模型,以拟合残差为依据、IGGⅢ方案为定权准则,在含误差参量迭代解算过程中,其可自适应地修正观测向量权阵及系数矩阵权阵,以获取最能合理反映各观测值精度的权值,同时又以三倍权因子中误差为阈值,剔除观测数据中的异常数据,再利用LS法计算得到常数项的值,最终,通过有限次的迭代计算,获得了最为可靠参量解,该方法较好抵抗了粗差干扰,各项拟合指标均优于其它算法,拟合精度最高。
-
表 2中[16],X为坝体温度实测值、Y为水位压力实测值、Z为大坝水平位移实测值(X, Y, Z无具体单位), 3个向量构成Z=aX+bY+c的平面关系。再次利用LS法、TLS法(奇异值分解(SVD))、LS-TLS法、IGGⅢ-LS-TLS法、LS-WTLS混合法(本文中算法)对表 2中的实测数据进行拟合实验,所得平面参量及精度评定指标如表 3所示。
X Y Z 1 11.2 36.0 -5.0 2 10.0 40.0 -6.8 3 8.5 35.0 -4.0 4 8.0 48.0 -5.2 5 9.4 53.0 -6.4 6 8.4 23.0 -6.0 7 3.1 19.0 -7.1 8 10.6 34.0 -6.1 9 4.7 24.0 -5.4 10 11.7 65..0 -7.7 11 9.4 44.0 -8.1 12 10.1 31.0 -9.3 13 11.6 29.0 -9.3 14 12.6 58.0 -5.1 15 10.9 37.0 -7.6 16 23.1 46.0 -9.6 17 23.1 50.0 -7.7 18 21.6 44.0 -9.3 19 23.1 56.0 -9.5 20 19.0 36.0 -5.4 21 26.8 58.0 -16.8 22 21.9 51.0 -9.9 Table 2. Observed data of plane
${\hat a} $ ${\hat b} $ ${\hat c} $ ${{{\hat \sigma }_0}} $0 ${{{\hat \sigma }_{\rm{p}}}} $ LS -0.2710 0.0085 -4.2789 2.1536 1.9316 TLS -0.2558 0.2616 -15.9565 4.1357 3.6093 LS-TLS -0.3108 0.0215 -4.2807 2.0680 1.9219 IGGⅢ-LS-TLS -0.2111 0.0279 -5.8982 1.4735 1.8997 LS-WTLS -0.2384 0.0388 -5.8379 1.4018 1.2924 Table 3. Plane parameters and fitting precision of observed data
由于实际平面数据的受测量仪器、外界环境、人为干扰等多种因素影响,因此数据纯度较低,其包含的偶然误差及粗差的比例存在不确定性。由表 3可看出,TLS法将常数项当作误差项处理,导致参与拟合的系数矩阵不准确,因此,拟合效果最不理想,其拟合结果不具参考性;LS法与LS-TLS法的计算结果、拟合精度评定指标$ ({{\hat \sigma }_0}, {{\hat \sigma }_{\rm{p}}})$较为接近,由此说明,当未顾及各观测值精度的差异时,LS-TLS法虽将两部分参量独立解算,但其仅仅保证了系数矩阵的相对正确性,未对最终参量的准确度产生积极影响;IGGⅢ-LS-TLS法与LS-WTLS混合法所得参量解及拟合精度评定指标同样较为接近,说明两种方法都比较可靠,拟合精度较高,但对比表中数据可发现,LS-WTLS混合法以点与拟合平面的相关关系为原则,结合IGGⅢ方法合理设定拟合权阵、剔除观测数据粗差,获得了最为精确、可信度最高的参量解,相对于LS法、TLS法、LS-TLS法、IGGⅢ-LS-TLS法,该方法的单位权中误差分别提高了53.6%, 195.0%, 47.5%, 5.1%,平面拟合精度分别提高了49.4%, 179.3%, 48.7%, 46.99%,进一步表明该方法的拟合精度最高,效果最好。