陳永星

（鄭州市規(guī)劃勘測設(shè)計研究院，鄭州450000）

穩(wěn)健估計是在粗差干擾不可避免的情況下，選擇適當(dāng)估計方法，盡可能地減免參數(shù)估值的影響，得出正常模式下的最優(yōu)或接近最優(yōu)的參數(shù)估值。測量數(shù)據(jù)受誤差干擾是不可避免的，視其誤差大小可分為有效數(shù)據(jù)、有用數(shù)據(jù)和有害數(shù)據(jù)3類。能正確揭示其分布模式的為有效數(shù)據(jù)，雖不是有效數(shù)據(jù)，但卻能反映分布基本特征，對提高參數(shù)估值有用，稱為有用數(shù)據(jù)，有害數(shù)據(jù)指含有粗差的數(shù)據(jù)。穩(wěn)健估計原則是充分利用有效數(shù)據(jù)，限制利用有用數(shù)據(jù)和排除有害數(shù)據(jù)。在本文中采用了從一般到特殊的驗證方法，選取了獨立的水準(zhǔn)網(wǎng)，用Matlab編寫了選權(quán)迭代程序，分別采用Huber法、IGG1法在不含粗差、含有粗差的情況下，進行選權(quán)迭代，并和不含粗差、含有粗差的最小二乘估值結(jié)果進行比較，比較各種方法的優(yōu)劣。

1 穩(wěn)健估計選權(quán)迭代法

其計算的迭代過程如下：

（1）選擇初始權(quán)P（V0），可令各權(quán)因子初值均為1，即w1＝w2＝…＝wn＝1，W ＝I，則P，P為觀測權(quán)陣；

周江文教授1989年提出了不等權(quán)獨立觀測情況下的M估計的法方程寫成矩陣形式為

（2）解算法方程（1），得出參數(shù)＾X和殘差V的第一次估值：

2 采用的選權(quán)迭代法

2.1 Huber法

Huber提出的ρ函數(shù)為：

式中c為常系數(shù)，通常取c＝2σ，相應(yīng)的權(quán)函數(shù)為

2.2 IGG法（周江文法）

ρ函數(shù)為：

權(quán)函數(shù)為：

3 水準(zhǔn)網(wǎng)觀測值的穩(wěn)健估計

某水準(zhǔn)網(wǎng)，共有7個首級控制點，其中A點為已知點。網(wǎng)形如圖1所示。

圖1 水準(zhǔn)網(wǎng)網(wǎng)形圖

已知A點高程為HA＝31.00m，觀測高程為：

取5km觀測高差的權(quán)為單位權(quán)，改正數(shù)以mm為單位。從S1～S9其對應(yīng)的權(quán)陣為：

P ＝ diag（1／3，1／4，1／2，1／6，1／6，1／4，1／4，1／3，1）

4 未加粗差時的各種方法平差

控制網(wǎng)采取間接平差法進行平差計算，平差以待定點高程為未知數(shù)。利用最小二乘法和穩(wěn)健估計的選權(quán)迭代法對觀測數(shù)據(jù)進行平差。

表1 各種方法平差后各個水準(zhǔn)點高程值／m

從表1可以看出：在沒有加入粗差的情況下，各種平差結(jié)果基本一致，都在可接受的范圍內(nèi)，都為正確的值。

5 加入一個粗差后使用各種方法平差

為了說明各種選權(quán)迭代法在粗差剔除中的應(yīng)用，再加上觀測路線比較長，在觀測數(shù)據(jù)h6中加入120mm（遠(yuǎn)大于二倍中誤差）的粗差，即觀測值為6.601m。然后使用各種方法平差，其平差結(jié)果見表2，各路線平差后的權(quán)見表3。

表3 加入一個粗差后的各路線平差后的權(quán)

從表2可以看出：當(dāng)觀測值加入粗差后，最小二乘平差結(jié)果偏離正確值，說明最小二乘抗差較弱；各種選權(quán)迭代結(jié)果基本一致，都在正確值的范圍內(nèi)，說明穩(wěn)健估計具有抗差性。

從表3可以看出：Huber法和IGG1法L6的單位權(quán)遠(yuǎn)遠(yuǎn)小于其余路線的權(quán)，可以認(rèn)為為0。由此可推斷，在觀測值中含有粗差，這與實際一致。充分說明了Huber法和IGG1法具有發(fā)現(xiàn)粗差的能力。

6 加入2個粗差后各種平差結(jié)果

在數(shù)據(jù)中加入2個粗差，然后再用各種方法進行平差，其平差結(jié)果見表4，各水準(zhǔn)路線平差后的權(quán)見表5。

從表4與不含粗差的正確結(jié)果比較可以看出：

（1）當(dāng)加入2個粗差時，最小二乘平差結(jié)果大大偏離正確值。

（2）Huber法、IGG1法和正確值相比，都有所偏離，其中IGG1法在整體上與正確結(jié)果最為接近。

從表5可以看出：Huber法中只探測出一個粗差，IGG1法的L3、L6的權(quán)幾乎為0，可以判斷出其中含有誤差，這與結(jié)論相符。

綜上所述，在探測粗差時，IGG1法比殘差絕對和最小法和Huber法都更優(yōu)化，具有準(zhǔn)確的探測粗差的能力。

表4 加入2個粗差后的各點高程

表5 加入2個粗差后的各水準(zhǔn)路線平差后的權(quán)

7 結(jié)語

通過本文的一些粗淺的研究，我們可以得出以下結(jié)論：

（1）在觀測值不含粗差的情況下，最小二乘估計具有最優(yōu)性，能得到最優(yōu)的線性解；穩(wěn)健估計也能很好地估計參數(shù)，但得到的解不是最優(yōu)解。

（2）在觀測值含有少量粗差的情況下，最小二乘估計失效，估計結(jié)果大大偏離正確值范圍，而穩(wěn)健估計具有良好的抗差性，能很好地進行估計，具有很好抵抗殘差影響的能力。

（3）當(dāng)批量采集測量數(shù)據(jù)時，在數(shù)據(jù)中是否含有粗差未知的情況下，不能通過人工剔除粗差，穩(wěn)健估計具有很好的抗差效果。

［1］周江文，黃幼才，楊元喜，等.抗差最小二乘法［M］.武漢：華中理工大學(xué)出版社，1995.

［2］陶本藻.測量數(shù)據(jù)處理的統(tǒng)計理論和方法［M］.北京：測繪出版社，2007.

［3］余學(xué)祥，呂偉才.抗差估計在粗差探測及測量平差中的應(yīng)用［J］.測繪工程，1996（3）：40－44.

［4］P J Huber.Robust estimation of a location Parameter［J］.Ann.Math.Statist，1964，35（1）：73－101.

［5］H P Shen，Z Y Zhu.Robust estimation of the self－similarity parameter in network traffic using wavelet transform［J］.Signal processing，2007，87（9）：2111－2124.

［6］S Baselga.Global optimization solution of robust estimation［J］.Journal of Surveying Engineering，2007，133（3）：123－128.