一种相关观测的Partial EIV模型求解方法

Partial errors-in-variables（Partial-EIV）模型作为EIV模型的扩展形式，其构造方式更有规律，解算方法更为简便，能有效应用于实际情况。针对已有Partial EIV模型方法未考虑观测向量和系数矩阵存在相关性这一情况，通过提取观测向量和系数矩阵组成的增广矩阵中非重复出现的随机元素，构建更具一般适用性的Partial EIV模型，在该模型的基础上，将特殊假定条件扩展到不限定观测数据相关性的一般情况，详细推导了观测向量和系数矩阵元素相关且不等精度情况下的加权总体最小二乘方法，通过算例试验，并与目前已有的解决EIV模型相关观测情况下的方法进行了比较分析，研究表明本文...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 46; no. 8; pp. 978 - 987
Main Author 王乐洋 许光煜 温贵森
Format Journal Article
LanguageChinese
Published 江西省数字国土重点实验室,江西 南昌 330013%东华理工大学测绘工程学院,江西 南昌 330013 2017
武汉大学测绘学院,湖北 武汉 430079%东华理工大学测绘工程学院,江西 南昌 330013
流域生态与地理环境监测国家测绘地理信息局重点实验室,江西 南昌 330013
东华理工大学测绘工程学院,江西 南昌 330013
Subjects
总体最小二乘
相关观测
自回归模型
部分变量误差模型
部分变量误差模型
自回归模型
总体最小二乘
相关观测
total least squares
correlated observations
autoregression model
partial errors-in-variables
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2017.20160430

Cover

More Information
Summary:Partial errors-in-variables（Partial-EIV）模型作为EIV模型的扩展形式，其构造方式更有规律，解算方法更为简便，能有效应用于实际情况。针对已有Partial EIV模型方法未考虑观测向量和系数矩阵存在相关性这一情况，通过提取观测向量和系数矩阵组成的增广矩阵中非重复出现的随机元素，构建更具一般适用性的Partial EIV模型，在该模型的基础上，将特殊假定条件扩展到不限定观测数据相关性的一般情况，详细推导了观测向量和系数矩阵元素相关且不等精度情况下的加权总体最小二乘方法，通过算例试验，并与目前已有的解决EIV模型相关观测情况下的方法进行了比较分析，研究表明本文方法可以提高计算效率，更具一般性，特别是对于观测向量和系数矩阵中存在常数元素和重复元素的情况。
Bibliography:11-2089/P
WANG Leyang1,2,3,XU Guangyu1,4,WEN Guisen1,2（1. Faculty of Geomatics, East China University of Technology, Nanchang 330013,China; 2. Key Laboratory of Watershed Ecology and Geographical Environment Monitoring, NASG, Nanchang 330013, China; 3. Key Laboratory for Digital Land and Resources of Jiangxi Province, Nanchang 330013, China; 4. School of Geodesy and Geomatics,Wuhan University,Wuhan 430079,China）
total least squares; correlated observations; partial errors-in-variables; autoregression model
As an extended form of the errors-in-variables（EIV） model, partial errors-in-variables（Partial EIV） model has more advantages than the previous one, such as regular structure, simple solving method, which make it has a wide range of applications. Considering the situation that the correlation between the observations and elements in coefficient matrix is not taken into account in the existed algorithms derived from Partial EIV model, the non-repetitive random elements in the augmented matrix consisting of obse
ISSN:1001-1595
DOI:10.11947/j.AGCS.2017.20160430