張 明,陶延林,山中雪
(青海省第一地質勘查院,青海 海東 810699)
為了獲得精確、實時的礦區(qū)空間地理信息,測量人員需要采用多種方法對測量數(shù)據(jù)函數(shù)模型進行研究,隨著測量技術及數(shù)據(jù)處理理論的不斷發(fā)展,測量數(shù)據(jù)的處理精度也在不斷提高,目前,采用總體最小二乘算法來解決變量中的誤差以及模型參數(shù)估值問題受到科技工作者的廣泛關注[1]。
國內(nèi)外學者對最小二乘算法在礦山測量數(shù)據(jù)中的應用進行了大量的研究,王樂洋采用總體最小二乘算法對大地測量數(shù)據(jù)進行了反演理論及應用研究[2];汪奇生等研究了總體最小二乘算法的線性回歸迭代算法,針對線性回歸模型的特點,以一元線性回歸為例,運用拉格朗日原理推導了線性回歸迭代算法,該算法推導過程簡單且易于實現(xiàn),通過算例驗證了該算法的正確性[3]。
本文主要運用基于拉格朗日函數(shù)與奇異值分解函數(shù)兩種算法對總體最小二乘算法函數(shù)模型參數(shù)進行求解,在無加權條件下,采用奇異值分解函數(shù)算法對等權條件下的總體最小二乘算法對測量數(shù)據(jù)進行求解;在加權條件下,則采用拉格朗日函數(shù)算法更適合對測量數(shù)據(jù)進行求解,并對測量數(shù)據(jù)進行迭代處理[4]。
采用矩陣奇異值算法對解決最小二乘問題以及最優(yōu)化問題起到重要作用,奇異值分解定義如下[5]:
(1)
BCrm×n
(2)
式中:σi為矩陣B的奇異值,r為矩陣B的秩,BTB的特征值為λ1≥λ2≥…≥λr=…=λn。
根據(jù)推導可得出基于奇異值分解的參數(shù)向量總體最小二乘解為:
(3)
(4)
由于等權條件下利用奇異值分解函數(shù)的總體最小二乘算法能夠有效解決礦山測量數(shù)據(jù)中模型參數(shù)的求解問題,但是在大多數(shù)情況下,該方法不能滿足測量精度的要求,因此,為了解決不等精度條件下模型參數(shù)的求解問題,研究了基于拉格朗日函數(shù)的迭代算法,該算法模型[6]:
f(v,b,λ,x)=vTQ-1v+bTQB-1b+2λT(l+v-Bx-EBx)
(5)
式中:λ為拉格朗日乘數(shù);Q為權矩陣P的協(xié)因數(shù)陣。
經(jīng)過推導可得出:
(6)
對式(6)整理可得到各個變量的函數(shù)值:
(7)
(8)
(9)
式中:P與PB的關系為:vTPv+bTPBb=min,r為多余觀測,通過采用改正后的系數(shù)矩陣迭代和觀測向量,從實現(xiàn)對模型參數(shù)的求解。
以某礦區(qū)為例,對其高程點進行高程異常擬合試驗,在試驗區(qū)內(nèi)布置控制點27個,采用三等高程控制測量方法得到控制點高程(h),通過使用全球定位系統(tǒng)C級控制網(wǎng),采用三維無約束平差方法得到大地高(H)與平面坐標(x,y),其中大地高(H)是地面點沿參考橢球面法線到參考橢球面的距離。試驗采用WGS-84坐標系統(tǒng)的參考橢球面作為投影面。高程異常δ的取值:
δ≈H-h
(10)
控制點點位分布如圖1所示,采用二次多項式模型對描述的高程異常與模型變量進行統(tǒng)計性規(guī)律[7]。
圖1 控制點的點位分布
把觀測值看作為等權觀測,采用總體最小二乘算法(基于奇異值分解)、最小二乘算法,對模型參數(shù)進行求解,選取控制點(2,4,5,7,9,11,12,15,16,18,19,20,22,23,25)作為已知點,把其余控制點作為檢核點,對擬合模型參數(shù)(α0,α1,α2,α3,α4,α5)進行求解,總體最小二乘算法與最小二乘算法求解的參數(shù)見表1。
表1 總體最小二乘算法與最小二乘算法求解的參數(shù)
通過使用總體最小二乘算法與最小二乘算法,對已知點的擬合殘差與檢核點的擬合殘差進行求解,結果見表2。
表2 模型擬合殘差 mm
已知點的擬合殘差與檢核點的擬合殘差如圖2所示。
圖2 已知點與檢核點的擬合殘差
根據(jù)上述分析的擬合殘差,對外符合精度與內(nèi)符合精度分別進行了計算模擬,把單位權重誤差δ0作為衡量模型內(nèi)符合精度的依據(jù),把檢核點擬合的殘差值中的誤差作為衡量模型外符合精度的依據(jù)[8]:
(11)
表3 模型擬合的精度
由表3可知:當采用總體最小二乘法進行模擬參數(shù)推估時,其擬合精度并不是顯著高于最小二乘法,但是算法的幾何意義與理論意義表明,總體最小二乘算法處理數(shù)據(jù)的精度要遠遠高于最小二乘法[9]。推斷原因可能為:礦區(qū)測量數(shù)據(jù)的精度受數(shù)據(jù)自身特征以及模型的適應性影響,因此對礦區(qū)高程異常擬合進行加權下的研究,對模型的觀測量向量進行定權:
(12)
式中:di為控制點間的平面距離;Pi為元素的權值,[]表示取不大于元素的整數(shù),根據(jù)元素的權值對角權矩陣P進行確認,利用加權最小二乘算法對模型參數(shù)進行推估;采用總體最小二乘法,對模型參數(shù)進行4次迭代,得到的參數(shù)估值見表4。
通過加權條件下的模型對模型參數(shù)進行求解,擬合點的殘差見表5。
通過使用檢驗點擬合的殘差來實現(xiàn)對總體最小二乘算法和最小二乘短發(fā)的方差,模型擬合精度見表6。
從表6分析可知:在加權條件下,采用總體最小二乘算法計算出的模型參數(shù)的精度要高于最小二乘算法計算出的模型參數(shù)的精度,而且在加權條件下,計算出的模型參數(shù)的精度較高,但是并不是很顯著。
當對礦區(qū)高程異常進行擬合時,根據(jù)現(xiàn)在礦區(qū)測量要求(對觀測值的精度),采用加權條件下的總體最小二乘算法,對擬合模型參數(shù)求解出的數(shù)據(jù)在精度上是遠遠滿足要求的。
表4 加權條件下總體最小二乘法和最小二乘算法模型參數(shù)
表5 加權條件下模型擬合殘差
圖3 加權條件下已知點與檢核點的擬合殘差
表6 模型擬合的精度
本文總結了基于拉格朗日函數(shù)算法與奇異值分解函數(shù)的總體最小二乘算法的函數(shù)模型,分析了函數(shù)本身的特點,然后在某礦區(qū)進行應用與對比,應用得出,當對礦區(qū)高程異常進行擬合時,根據(jù)現(xiàn)在礦區(qū)測量要求,采用加權條件下的總體最小二乘算法對擬合模型參數(shù)的求解出的數(shù)據(jù)在精度上是遠遠滿足要求的,研究為解決礦山測量數(shù)據(jù)存在的問題提供一定理論依據(jù)。