Ausgleichungsrechnung I

Werbung
Ausgleichungsrechnung
•
•
•
•
•
Einleitung
Methode der kleinsten Quadrate
Ausgleichungsverfahren
Stochastisches Modell a posteriori
Anmerkungen
Ausgleichungsrechnung I
Gerhard Navratil
Aufgabe der Ausgleichsrechnung
(Helmert 1872)
Kontrolle durch überschüssige
Messungen
Vermehrung der Kontrollen führt zu größerer
Annäherung an den wahren Wert, wenn
nur zufällige Fehler auftreten
Ziel: Resultat aus allen Beobachtungen
bestimmen, das möglichst frei von
zufälligen Fehlern ist
Ausgleichungsrechnung I
Gerhard Navratil
Bisher
Messgrößen haben einen (unbekannten)
wahren Wert
Unsere Beobachtungen sind mit zufälligen
Fehlern behaftet
Aus Messgrößen werden oft andere Größen
abgeleitet (z.B. Koordinaten aus Strecken
und Richtungen)
Für die abgeleiteten Größen kann eine
Standardabweichung angegeben werden
Ausgleichungsrechnung I
Gerhard Navratil
Gewünscht
Bisherige Erkenntnisse in einem größeren
Kontext
Ausdehnung auf komplexe Systeme
Definition von Standard-Verfahren
Ausgleichungsrechnung I
Gerhard Navratil
Ziele
• Kontrolle: Aufdecken von (groben)
Fehlern
• Plausibilität: Wahrscheinlichste
Schätzwerte für die wahren Werte der
Unbekannten bzw. Messwerte
• Qualität: Angabe von
Standardabweichungen für die
Unbekannten und Messwerte
Ausgleichungsrechnung I
Gerhard Navratil
Beispiel: Ausgleichende Gerade (1)
• 10 Punkte gegeben
• Repräsentation durch
Gerade gesucht
Ausgleichungsrechnung I
Gerhard Navratil
Beispiel: Ausgleichende Gerade (2)
Mathematischer Ansatz: Jeder Punkt liefert
eine Gleichung
bzw. in Matrizenschreibweise
1k  d  2
Ax  L
2k  d  1
 1 1
 2
 2 1
1 
k

...
, x 
 
A
,
L

d 





 
10 k  d  9


 
10 1
Ausgleichungsrechnung I
Gerhard Navratil
9 
Beispiel: Ausgleichende Gerade (3)
rk(A)=2, rk(A,L)=3  nicht lösbar
Jeweils zwei Punkte liefern eine Lösung, die
Lösungen passen nicht alle zusammen
Gesucht: Möglichkeit, eine eindeutige
Lösung zu ermitteln
Ausgleichungsrechnung I
Gerhard Navratil
Gerade durch ersten und letzten
Punkt
Zweiteilung der Punktwolke in linke
und rechte Hälfte, Gerade durch die
Schwerpunkte
Gerade, bei der k und d als Mittelwert aus allen eindeutigen Lösungen
bestimmt wurden
Gerade, auf der die meisten Punkte
liegen
Welche Lösung sollen wir nehmen???
Ausgleichungsrechnung I
Gerhard Navratil
Beispiel: Ausgleichende Gerade (5)
Annahme: Nur y-Werte sind Messwerte – x-Werte
sind Konstante (varianzfrei)
y-Werte bilden Beobachtungsvektor L
Plausibelste Werte sind die, welchen nach der
Statistik die höchste Wahrscheinlichkeit
zukommt
Annahme Normalverteilung für Messwerte
Annahme mehr Beobachtungen als Unbekannte
(Überbestimmung)
Messwerte werden verbessert, sodass Ax=l gilt
Ausgleichungsrechnung I
Gerhard Navratil
Beispiel: Ausgleichende Gerade (6)
Ax=l+v  v=Ax-l
Zusätzliche Bedingung:
v
vT v  min also 2 vT dv  0
T  Ax  l 
2Ax  l 
0
x
2 xT AT  lT A  0


xT AT A  lT A  0
AT Ax  AT l  0

x A A
T

1
AT l
Ausgleichungsrechnung I
Gerhard Navratil
2
 min
Verteilung zufälliger
Messabweichungen (1)
• Lambert: Theorie der Zuverlässigkeit der
Beobachtungen und Versuche (1765)
– zufällige Abweichungen gleicher Größe nach beiden
Seiten möglich
– geringe Abweichungen häufiger als große
– Kurve mit Wahrscheinlichkeit der Abweichungen ist
•
•
•
•
symmetrisch
Abweichung Null hat höchste Wahrscheinlichkeit
Wendepunkt auf beiden Seiten
beidseitig asymptotische Annäherung an Null
• Gauß: Weitere Untersuchungen 
Normalverteilung
Ausgleichungsrechnung I
Gerhard Navratil
Verteilung zufälliger
Messabweichungen (2)
Folgerung: Messwerte sind normalverteilt
zufällige Abweichungen normalverteilt
1
f ( i ) 
e
 i 2

 i2
2 i2
Gilt auch, wenn Abweichungen aus
empirischen Verbesserungen vi geschätzt
Danach: Übergang von den einzelnen
Abweichungen auf die Summe der
Abweichungen
Ausgleichungsrechnung I
Gerhard Navratil
Verteilung zufälliger
Messabweichungen (3)
Gesamtwahrscheinlichkeitsdichte:
Produkt der einzelnen Dichten

W



mit
1
1 2
K
v
2 i
2 i 1  i
n
1
 2
i 1 i
 K
e


n

Gesucht: Maximum, also jene vi, für die W
maximal wird  K minimal
Ausgleichungsrechnung I
Gerhard Navratil
Verteilung zufälliger
Messabweichungen (4)
n
Bedingung:  pi vi2  min
i 1
mit
pi 
1
 i2
oder in Matrizenschreibweise
v Pv  min
T
Gewichte pi umgekehrt proportional zu den
Varianzen
Ausgleichungsrechnung I
Gerhard Navratil
Stochastisches Modell a priori
Die Gewichtsmatrix
Beschreibung der stochastischen
Zusammenhänge in einem Zufallsvektor:
Kovarianzmatrix
Für einen Beobachtungsvektor:
– Hauptdiagonale: Varianz der Beobachtung
– Außerhalb der Hauptdiagonale: Kovarianz
oder Null wenn stochastisch unabhängig
Bezeichnet mit SLL
Ausgleichungsrechnung I
Gerhard Navratil
Festlegung von Gewichten (1)
Gewichtung der Verbesserungen umgekehrt
proportional zu den Varianzen
Oft nur relative Genauigkeiten vorhanden
Wir wählen Bezugsvarianz:
2
Varianz der Gewichtseinheit a priori  0
oder Varianzfaktor
1
Q LL  2 Σ LL
Kofaktormatrix
0
Ausgleichungsrechnung I
Gerhard Navratil
Festlegung von Gewichten (2)
Elemente der Kofaktormatrix: Kofaktoren
oder Gewichtsreziproke
Gewichtung ist umgekehrt proportional zu
den Varianzen bzw. Kofaktoren, also
Inversion der Matrix P  Q LL1
Festlegung geschieht vor der Messung bzw.
Ausgleichung  a priori Varianzen
Varianz der Gewichtseinheit a priori
stochastisches Modell a priori
Ausgleichungsrechnung I
Gerhard Navratil
Funktionales Modell (1)
n Beobachtungen L um u Unbekannte X
(Parametervektor) zu bestimmen
Realisierungen L1, … Ln sind Näherungen
~
des wahren Wertes L
Wir geben Schätzwert für den wahren Wert
ˆ Lv
an:
L
Ausgeglichene Beobachtungen
Auch Parametervektor hat wahren Wert
Ausgleichungsrechnung I
Gerhard Navratil
Funktionales Modell (2)
Oft Parameter näherungsweise bekannt:
Genäherter Parametervektor X0
Differenz ausgeglichener – genäherter
Parametervektor: gekürzter Parametervektor x
Funktionaler Zusammenhang: r
Funktionen j1, … jr mit den Parametern L
und X
Ausgleichungsrechnung I
Gerhard Navratil
Beziehungen
ˆ  X0  x
X
~ ~
j L, X  o
ˆ o
j Lˆ , X




(ursprüngliches) funktionales Modell
j L, X0   w
j L 0 , X0   o
Widerspruchsvektor
gekürzter Beobachtungsvektor
‚gemessen minus gerechnet‘
L  L 0  l bzw. l  L  L 0
genäherter Beobachtungsvektor
Ausgleichungsrechnung I
Gerhard Navratil
Linearisiertes funktionales Modell
Funktionen j1, … jr von beliebigem Typ
Annahme: x und v klein gegenüber X0 und L
Linearisierung über Taylor-Entwicklung

ˆ
j Lˆ , X

 j L, X0  
j ˆ
j ˆ

X1  X 01   
X u  X 0u
Xˆ 1
Xˆ u
j ˆ
j ˆ

L1  L1   
Ln  Ln
Lˆ1
Lˆn




Ausgleichungsrechnung I
Gerhard Navratil




Jacobi-Matrix
• Modellmatrix (Designmatrix) A
• Matrix B
  j1 


  Xˆ 1 


  j 2 
A    Xˆ 
 1
 

  j r 
  Xˆ 
 1 
 j1 


ˆ

X
 2
 j 2 


ˆ

X
 2

 j r 


ˆ

X
 2
 j  
  1  
ˆ
 X u  
 j 2  

 

ˆ
 X u  

 
 j r  
 
 

ˆ
 X u  
  j1 


  Lˆ1 


  j 2 
B    Lˆ 
 1
 

  j r 
  Lˆ 
 1 
 j  
 j1 

   1  
ˆ
 Lˆ2 
 Ln  
 j 2  
 j 2 


  

ˆ
ˆ
 L2 
 Ln  


 
 j r  
 j r 
 

  

ˆ
ˆ

L

L
 2
 n 
Ausgleichungsrechnung I
Gerhard Navratil
Funktionales Modell
Ax  Bv  w  0
Ausgleichungsrechnung I
Gerhard Navratil
Allgemeine Auflösung (1)
Extremwertaufgabe mit Nebenbedingungen
Lösung mit Lagrange‘schen Vektoren
F ( v, x)  vT Pv  2k T Ax  Bv  w 
Partielle Ableitungen bilden und gleich Null
setzen
Ausgleichungsrechnung I
Gerhard Navratil
Allgemeine Auflösung (2)
Ableitung nach v:
dF  dv T Pv  vT Pdv  2k T Bdv
 dv  Pv
T
 v Pdv  2k Bdv
T
T
T
 v Pdv  v Pdv  2k Bdv
T
T
 2 v Pdv  2k Bdv
Gleich Null setzen: F  2 vT P  2k T B  oT
T
v
Pv  B k  o
T
T
T
Pv  B k
1 T
vP B k
T
Ausgleichungsrechnung I
Gerhard Navratil
Allgemeine Auflösung (3)
Ax  Bv  w  0
v  P 1BT k
1 T
Ax  BP B k  w
Ableitung nach x analog und es ergibt sich:
F
T
T
 2k A  o
x
A k o
T
Ausgleichungsrechnung I
Gerhard Navratil
Allgemeine Auflösung (4)
Gemeinsames Gleichungssystem:
 BP1BT

 AT

A  k    w 
   


0  x   o 
Auflösung durch Inversion:
1 T
 k   BP B
   
T
x
A
  
A 
0 
1
 w


 o 
Allgemeinfall der Ausgleichungsrechnung
Ausgleichung bedingter Beobachtungen mit Verbesserungsgleichungen
Ausgleichungsrechnung I
Gerhard Navratil
Hauptprobe
Annahme war, dass x und v klein gegenüber X0 und L sind
Annahme muss überprüft werden!
Einsetzen in ursprüngliches (nicht
linearisiertes) Gleichungssystem
Wenn nicht genügend genau erfüllt?
Iteration
– Näherungswerte nicht gut genug
Neu aufstellen
– Funktionales Modell fehlerhaft
Geprüfte Programme verwenden
– Rechenfehler
Ausgleichungsrechnung I
Gerhard Navratil
Ausgleichungsrechnung I
Gerhard Navratil
Fehler im funktionalen Modell
Hauptprobe zeigt Fehler im funktionalen
Modell an
Kandidat für Fehler ist die Funktion, bei der
die Hauptprobe nicht aufgeht
z.B. 3. Gleichung geht nicht auf –
möglicherweise 3. Zeile der A-Matrix oder
3. Element des w-Vektors fehlerhaft
Ausgleichungsrechnung I
Gerhard Navratil
Iterative Ausgleichung
Ergebnis der Ausgleichung als Näherung für
eine neuerliche Ausgleichung verwendet
L, SLL und B bleiben erhalten
A und w werden neu berechnet (hier
kommen die Näherungswerte der
Unbekannten vor)
Iteration so lange, bis Hauptprobe aufgeht
Iteration muss nicht konvergieren!
Ausgleichungsrechnung I
Gerhard Navratil
Sonderfälle
1. In jeder Gleichung ji kommt jeweils nur eine
Beobachtung vor: Ausgleichung vermittelnder
Beobachtungen
2. Es treten keine unbekannten Parameter auf, die
Gleichungen ji beschreiben nur den funktionalen
Zusammenhang der Beobachtungen:
Ausgleichung bedingter Beobachtungen
3. In n Gleichungen tritt jeweils nur eine
Beobachtung auf und in den übrigen r-n
Gleichungen treten nur Unbekannte auf:
Ausgleichung vermittelnder Beobachtungen
mit Bedingungsgleichungen
Ausgleichungsrechnung I
Gerhard Navratil
Ausgleichung vermittelnder
Beobachtungen
Pro Gleichung nur eine Beobachtung
Gleichungen explizit nach Li auflösbar
 
 
ˆ L
ˆ  o bzw. L
ˆ j X
ˆ
jX
n Messgrößen, r=n Gleichungen, u
Unbekannte
Überschüssige Beobachtungen: nfu=n-u
Anzahl der Freiheitsgrade (Redundanz)
Ausgleichungsrechnung I
Gerhard Navratil
Art des Problems
Unterscheidung über die Redundanz:
• Redundanz < 0: unterbestimmt, nicht
eindeutig lösbar
• Redundanz = 0: Problem eindeutig lösbar
• Redundanz > 0: Ausgleichungsaufgabe
Ausgleichungsrechnung I
Gerhard Navratil
Funktionales Modell
ˆ )
 j1 ( X


ˆ
 j ( X) 
Lv 2




j (X
ˆ 
 n )
Taylorentwicklung: B= –I
Modellmatrix A wie bisher
weiters: j ( X0 )  L  w L0  L  w
j ( X0 )  L0
Ax  Iv  l  o
bzw.
w  l
v  Ax  l
Verbesserungsgleichung
Ausgleichungsrechnung I
Gerhard Navratil
Gewichtsmatrix
Anwendung des Varianzfortpflanzungsgesetzes auf L  L 0  l gibt für die
Kovarianzmatrix des gekürzten
Beobachtungsvektors: Sll  S LL
Die Kofaktormatrix ergibt sich somit zu
Qll  Q LL
Somit erhalten wir dieselbe Gewichtsmatrix
P wie bisher.
Ausgleichungsrechnung I
Gerhard Navratil
Lösung
Das Gleichungssystem vereinfacht sich zu
1
k   P
    T
 x  A
1
A 
0 
x

l
 
o

1
Die Auflösung ergibt
A PA AT Pl
T
N

A
PA
Normalgleichungsmatrix
Normalgleichung
 x  N 1AT Pl
1 T
v

AN
A PI l
Verbesserungen:
ˆ  L v
L
Ausgeglichene Beobachtungen:

Ausgleichungsrechnung I
Gerhard Navratil
T

Hauptprobe
Erfüllen die ausgeglichenen Beobachtungen
und ausgeglichenen Parameter das
ursprüngliche funktionale Modell?
Einsetzen in
 
ˆ
Lˆ  j X
Ausgleichungsrechnung I
Gerhard Navratil
Sonderfall: Lineare
Verbesserungsgleichungen
z.B. Koordinatendifferenzen (Nivellement)
Verbesserungsgleichungen sind linear
Keine Linearisierung notwendig
Keine Näherungswerte für die Parameter
notwendig (oft trotzdem aus numerischen
Gründen verwendet – kleine Werte in x
und l)
Hauptprobe: Nur aufgestelltes Modell und
Rechnung können falsch sein
Ausgleichungsrechnung I
Gerhard Navratil
Sonderfall: Ausgleichung direkter
Beobachtungen
z.B. Ausgleichung direkt und mehrfach gemes1
sener Größen (Strecke)
 
1
A-Matrix ist ein 1-Vektor
 
 
T
Auflösung:
a Pl 1
x T
a Pa
Gewichtsmatrix Einheitsmatrix: einfaches
arithmetisches Mittel
Gewichtsmatrix Diagonalmatrix: gewogenes
arithmetisches Mittel
Sonst: allgemeines arithmetisches Mittel
Ausgleichungsrechnung I
Gerhard Navratil
Ausgleichung bedingter
Beobachtungen
Keine unbekannten Parameter
n Beobachtungen sollen so verbessert
werden, dass sie r Bedingungen (sind
aufzustellen) erfüllen
r = n – n0 mit n0 = Anzahl der notwendigen
Beobachtungen für eine eindeutige Lösung
nfb=r Anzahl der Freiheitsgrade
(Redundanz)
ˆ  o

j
L
Das Problem vereinfacht sich zu
Ausgleichungsrechnung I
Gerhard Navratil
Funktionales Modell
Widerspruchsvektor: j L   w
Ableitungen nach X alle Null, somit A-Matrix
eine Nullmatrix, also
Bv  w  o
1 T 1
Korrelaten:
k   BP B
w
1 T
1 T 1
Verbesserungen: v  P B BP B
w
Normalgleichungsmatrix der bedingten
1 T
Ausgleichung: N B  BP B

Ausgleichungsrechnung I
Gerhard Navratil



Hauptprobe
Erfüllen die ausgeglichenen Beobachtungen
das ursprüngliche funktionale Modell?
Einsetzen in

j Lˆ  o
Ausgleichungsrechnung I
Gerhard Navratil
Ausgleichung vermittelnder Beobachtungen mit Bedingungsgleichungen
Pro Gleichung nur eine Beobachtung
Zusätzlich Bedingungen zwischen den
Unbekannten
n Beobachtungen, u Unbekannte, nb
Bedingungen
nfvb = n – u + nb = r – u Anzahl der
Freiheitsgrade (Redundanz)
Ausgleichungsrechnung I
Gerhard Navratil
Lösungsansätze
• Elimination von Unbekannten: r Unbekannte werden mit Hilfe der Bedingungen
eliminiert
• Strenge Lösung: Extremwertaufgabe mit
Nebenbedingungen
• Fiktive Beobachtungen: Bedingungen
werden als (fiktive) Beobachtungen mit
großem Gewicht eingeführt
Ausgleichungsrechnung I
Gerhard Navratil
Wann Ausgleichungsproblem?
nfvb = n – u + r
Ausgleichungsproblem, wenn nfvb > 0
Somit: n + r > u
Die Summe aus Beobachtungen und
Bedingungen muss größer als die
Anzahl der Unbekannten sein
Ausgleichungsrechnung I
Gerhard Navratil
Funktionales Modell
Funktionales Modell der vermittelnden
ˆ j X
ˆ
Ausgleichung L
ˆ o
und die Bedingungen j b X
Getrennte Betrachtung der beiden Teile:
v  A1x  l
Beobachtungen
A 2x  w  o
Bedingungen
Keine Bedingungen zwischen den
Beobachtungen  B ist eine Nullmatrix
 
 
Ausgleichungsrechnung I
Gerhard Navratil
Lösung (1)
Methode von Langrange:
W  vT Pv  2k T A 2 x  w 
Differenziert und gleich Null gesetzt:
2vT Pdv  2k T A 2 dx  2dk T A 2 x  w   0
Einsetzen von dv  A1dx gibt
v PA 1  k A 2  o
A2 x  w  o
T
T
Ausgleichungsrechnung I
Gerhard Navratil
Lösung (2)
1. Gleichung:
v  A1x  l
vT PA 1  k T A 2  o
A1T Pv  AT2 k  o
A1T PA 1x  AT2 k  A1T Pl  o
Kombiniert mit 2. Gleichung:
 A1T PA

 A
2

AT2  x   A1T Pl 
   

0   k    w 
Ausgleichungsrechnung I
Gerhard Navratil
Hauptprobe
Erfüllen die ausgeglichenen Beobachtungen
und ausgeglichenen Parameter das
ursprüngliche funktionale Modell?
Erfüllen die ausgeglichenen Parameter die
Bedingungen?
ˆ
ˆ
L

j
X
Einsetzen in
ˆ o
j X
 
b 
Ausgleichungsrechnung I
Gerhard Navratil
Ausgleichung bedingter Beobachtungen mit Verbesserungsgleichungen
Entspricht dem Allgemeinfall der Ausgleichungsrechnung
n Beobachtungen, n0 Beobachtungen zur
eindeutigen Lösung notwendig, u
Unbekannte
Anzahl der aufzustellenden Bedingungen:
r = (n – n0) + u = nfa + u
Lösung: siehe Allgemeinfall
Ausgleichungsrechnung I
Gerhard Navratil
Stochastisches Modell a posteriori
a posteriori: nach der Ausgleichung
Beim stochastischen Modell a priori
Ausgangspunkt Kovarianzmatrix, aber
schließlich verwendet die Kofaktormatrix
Kovarianzfortpflanzungsgesetz angewendet
auf Gleichungssystem f=Fx gibt
T T
QΣff ffFQFΣ
xxFxxF
1
1
 02
 02
Kofaktorfortpflanzungsgesetz
Ausgleichungsrechnung I
Gerhard Navratil
Kofaktoren a posteriori bei der
vermittelnden Ausgleichung (1)
ˆ  L 0  ˆl
gekürzter Beobachtungsvektor: L
Ausgeglichene Beobachtungen aus


ˆ  L0  I  AN 1AT P  I l  L0  AN 1AT Pl
L
Somit gilt: ˆl  AN 1AT Pl
Nun können wir l, x, l̂ und v als Funktion
von l ausdrücken.
Ausgleichungsrechnung I
Gerhard Navratil
Kofaktoren a posteriori bei der
vermittelnden Ausgleichung (2)
I
l


 


1 T
 x
 N A P 
f     Fl  
l
1 T

ˆl
AN A P
 


1 T
 v
 AN A P  I 
Das Kofaktorfortpflanzungsgesetz liefert:
Q ff
1
1
1 T

P
AN
AN
A


N 1AT
N 1
N 1AT

1 T
1
1 T
AN
A
AN
AN
A

 AN 1AT  P 1
0
0

AN 1AT  P 1 

0

0

P 1  AN 1AT 
Gesuchte Kofaktoren in der Hauptdiagonale
Ausgleichungsrechnung I
Gerhard Navratil
Kofaktoren a posteriori bei der
vermittelnden Ausgleichung (3)
Qll  P 1
Q xx  N 1
Qlˆlˆ  AN 1AT
Qvv  P 1  AN 1AT  Qll  Qlˆlˆ
Und weiters:
Q LL  Qll
Q XˆXˆ  Q xx
Q Lˆ Lˆ  Qlˆlˆ
Grund: Unterscheiden
sich nur durch konstante
Faktoren
Ausgleichungsrechnung I
Gerhard Navratil
Probe
Gewichtsreziprokenprobe nach Ansermet


tr P  Qlˆlˆ  u
Die Summe der Hauptdiagonalglieder der
Produktmatrix P  Qlˆlˆ muss gleich der
Anzahl der Unbekannten sein
Ausgleichungsrechnung I
Gerhard Navratil
Kofaktoren a posteriori bei der
bedingten Ausgleichung (1)
Ausgangspunkt: BL  w (ausgehend von
j L   w mit anschließender TaylorEntwicklung für w:
j
w  j L   j L0  
L  L 0  o2
 


L 

0
B

l
Wenn die Näherungswerte genau genug,
kann der Restfehler o2 vernachlässigt
werden
Ausgleichungsrechnung I
Gerhard Navratil
Kofaktoren a posteriori bei der
bedingten Ausgleichung (2)
1
k  N B w
1
T
v  QLL B N B w
zu k  N B 1BL
1
T
v  QLL B N B BL
1
T
ˆ
Und es gilt
L  I  QLL B N B B L
Somit wird


Nun können wir alle Werte als Funktion von
L darstellen
Ausgleichungsrechnung I
Gerhard Navratil
Kofaktoren a posteriori bei der
bedingten Ausgleichung (3)
I


L


 
B
w


 
L
f  k   FL  
 N B1B


 
T 1
 Q LL B N B B 
v
 I  Q BT N 1B 
 Lˆ 
 

LL
B 
Das Kovarianzfortpflanzungsgesetz liefert:
Q ff

Q LL


BQ
   N B1BQ LL

  Qvv

 Q LL  Q vv
Q LL BT
NB
I
 Q LL BT
0
 Q LL BT N B1
Qvv
I
BQ LL
N B1
N B1BQ LL
Q LL BT N B1 Q LL BT N B1BQ LL
0
0
Q LL  Q vv 

0

0


0

Q LL  Q vv 
Gesuchte Kofaktoren in der Hauptdiagonale
Ausgleichungsrechnung I
Gerhard Navratil
Kofaktoren a posteriori bei der
vermittelnde Ausgleichung mit Bed.
Interessante Kofaktormatrizen direkt aus der
invertierten Normalgleichungsmatrix:
1
T
T
 A1 PA1 A 2 
 Q xx Q xk 

  


 A

Q
Q
0 
kk 
 kx

2
Und weiters:
Q Q
XˆXˆ
Q Lˆ Lˆ 
xx
T
A1Q xx A1
Ausgleichungsrechnung I
Gerhard Navratil
Kofaktoren a posteriori bei der bed.
Ausgleichung mit Unbekannten
Interessante Kofaktormatrizen direkt aus der
invertierten Normalgleichungsmatrix:
 BP 1B T

 AT

Und weiters:
A 
0 
1
 Q kk
 
 Q xk
Q kx 

 Q xx 
Q XˆXˆ  Q xx
Q ww  BP1BT
Qvv  P 1BT Q kkBP1
Q Lˆ Lˆ  Q LL  Qvv
Ausgleichungsrechnung I
Gerhard Navratil
Varianz der Gewichtseinheit a
posteriori (1)
Im stochastischen Modell 02 herausgehoben und die Kofaktormatrix Q erhalten
Somit Übergang auf relative Genauigkeitsangaben (ausreichend für Gewichtung)
Ausgleichung liefert Kofaktormatrizen für
ausgeglichene Parameter etc.
Gesucht: Kovarianzmatrizen
Multiplikation mit Varianz der Gewichtseinheit a posteriori
Ausgleichungsrechnung I
Gerhard Navratil
Varianz der Gewichtseinheit a
posteriori (2)
Parameter aus den empirischen
Beobachtungen bestimmt  auch Varianz
der Gewichtseinheit a posteriori empirisch
bestimmt
Definition der Varianz: Quadratsumme der
Verbesserungen durch Anzahl der
Freiheitsgrade 2 vT Pv
s0 
nf
Ausgleichungsrechnung I
Gerhard Navratil
Varianzen, Kovarianzen und
Standardabweichungen
Aus Kofaktormatrizen durch Multiplikation
mit der Varianz der Gewichtseinheit a
posteriori
z.B. C XˆXˆ  s02Q XˆXˆ
C Lˆ Lˆ  s02Q Lˆ Lˆ
Cvv  s02Qvv
Varianz einer Funktion
C ff  FC XˆXˆ FT  s02  FQ XˆXˆ FT
Ausgleichungsrechnung I
Gerhard Navratil
Funktionales Modell
Ausgleichung vermittelnder Beobachtungen:
Designmatrix enthält Ableitungen nach
den Unbekannten
Formeln für Elemente der Designmatrix für
Standardbeobachtungen einfach
herzuleiten
– Streckenbeobachtung
– Richtungsbeobachtung
Formeln für andere Beobachtungen analog
Ausgleichungsrechnung I
Gerhard Navratil
Streckenbeobachtung
s12 
x2  x1 2   y2  y1 2
Ableitungen:
s12

x1
s12

y1
x2  x1 
x2  x1 2   y2  y1 2
 y2  y1 
x2  x1 2   y2  y1 2
etc.
x
y
x
y
v12  
x1 
y1 
x2 
y2  l12
s12
s12
s12
s12
Werte der A-Matrix
Ausgleichungsrechnung I
Gerhard Navratil
Richtungsbeobachtung
y2  y1
y2  y1
t12  atan
 R12  v12  atan
 O1
x2  x1
x2  x1
Ableitungen:
j12
 1
O1
 y2  y1 
j12

x1  x2  x1 2   y2  y1 2
x2  x1 
j12

y1  x2  x1 2   y2  y1 2
y
x
y
x
v12   2 x1  2 y1  2 x2  2 y2  O1  l12
s12
s12
s12
s12
etc.
Werte der A-Matrix
Ausgleichungsrechnung I
Gerhard Navratil
Bedingungsgleichungen
Probleme bei der bedingten Ausgleichung
– Anzahl der Bedingungen festlegen
(Redundanz)
– Linear unabhängige Bedingungen aufstellen
Wann? Anzahl der Unbekannten größer als
Redundanz (Matrixgröße)
Ausgleichungsrechnung I
Gerhard Navratil
Höhennetze
Mögliche Bedingungen sind:
• Höhendifferenz geschlossener Schleifen
ist gleich Null
• Höhendifferenz zwischen zwei bekannten
Punkten ist gleich der Summe der Höhen
der Teilstücke
Ausgleichungsrechnung I
Gerhard Navratil
Winkelmessung
Mögliche Bedingungen sind:
• Winkelsumme im ebenen Dreieck ist 200g
 a+b+g–200=0
n
g


a

n

2

200
0
• Winkelsumme im Vieleck i1 i
• Winkelsumme einer abgeschlossenen
Satzmessung ist 400g  a+b+g–400=0
• Winkelsumme einer
nicht abgeschlossenen
n
a i  t B  t A   0
Satzmessung ist 
i 1
Ausgleichungsrechnung I
Gerhard Navratil
Zentralsystem
C
Gegeben: 9 Winkel
3
4
Notwendig: 4 Winkel
8 9
2
A 1
7
 5 Bedingungen
65
3x Dreieckssumme
B
1x abgeschlossene Satzmessung
5. Bedingung: Über Sinussatz Strecke zum
Zentralpunkt
sin 3 sinsin
1sin3sin
3 sin5sin
sin
5 51
sin 1
XA  XCsin 1sin
X,A3sin
XC5 
XB2 sin4,1sin
XAX6B0 XA
 sin
sin 2 sinsin
2 sin
2 sin
4 sin
4sin
sin
6 46
sin 6
Ausgleichungsrechnung I
Gerhard Navratil
Streckenmessung
P
Geg.: 10 Strecken
Notwendig 9 Strecken
1 Bedingung!
Zentralwinkelsumme 400g
Winkel über Cosinus-Satz
Linearisierung notwendig
s
s
r
P
r
s

r
P

a a
a
a
a 
Z
s
P

r
r

s

P
ri21  ri2  si2
acos
 400 g  0
2ri 1ri
i 1
k

Ausgleichungsrechnung I
Gerhard Navratil
Große Netze
Bei großen Netzen auch große Matrizen
Inversion großer Matrizen ist auch heute
noch ein Problem (Rechenzeit von Tagen)
Daher Strategien zur Reduktion der Größe
Netze der Landesvermessung: Bedingte
Ausgleichung
Elimination von Parametern durch
Blockzerlegung
Ausgleichungsrechnung I
Gerhard Navratil
Elimination von Parametern durch
Blockzerlegung (1)
Allgemeingültiger Ansatz
Blockweise Reduktion des funktionalen
Modells
Zerlegung in Submatrizen und -Vektoren:
 x1 
x   , A  A1 A 2 
 x2 
Verbesserungsgleichungen:
v  A1
Ausgleichungsrechnung I
Gerhard Navratil
 x1 
A 2    l
 x2 
Elimination von Parametern durch
Blockzerlegung
Zuschläge auf die Unbekannten:
 A1T PA1 A1T PA2  x1   A1T 

   
Pl
 AT PA AT PA  x
 AT 
 2 1
2
2  2   2 
2. Gleichung: N 21x1  N 22 x 2  n 2
N 22 x 2  n 2  N 21x1
1
N
Falls 22 existiert erhalten wir eine
Bestimmungsgleichung für x2
Einsetzen in x1  Lösung für x1
Ausgleichungsrechnung I
Gerhard Navratil
Blockzerlegung nach Helmert (1)
Zerlegung des Netzes
an der gestrichelten
Linie
3 Punktwolken
– x1: links
– x2: rechts
– x3: Naht
 A11 B13  x1   a1 

    
 B31 B33  x3   b3 
 A 22 C23  x 2   a 2 

    
 C32 C33  x3   c3 
Ausgleichungsrechnung I
Gerhard Navratil
Blockzerlegung nach Helmert (2)
Nun werden die Parameter x1 und x2 aus
den Gleichungssystemen eliminiert:
 U11 U13  x1   s1 

    ( p ) 
( p) 

B33  x3   b3 

 U 22 U 23  x 2   t 2 

    ( p ) 
( p) 

C33  x3   c3 

Die partiell reduzierten Anteile werden
( p)
( p)
( p)
( p)


B

C
x

b

c
addiert: 33
3
33
3
3
 Lösung von x1 und x2 bestimmen
Ausgleichungsrechnung I
Gerhard Navratil
Weitere Bezeichnungen
• Parameterschätzung nach der L2-Norm
• Vermittelnde Ausgleichung:
Gauß-Markov-Modell
• Allgemeinfall der Ausgleichungsrechnung:
Gauß-Helmert-Modell
• Ausgleichungsen vermittelnder Beobachtungen mit Bedingungsgleichungen:
Ausgleichung nach Parametern mit
Restriktionen
Ausgleichungsrechnung I
Gerhard Navratil
Analogien
• Statik: Durchbiegung bei Fachwerk- und
Stabsystemen – Arbeit minimiert
• Elektrizitätslehre: Leitungsnetze – Stromwärme
minimiert
• Kinetische Gastheorie: bei irreversiblen
Prozessen wird die Entropie maximiert
• Dynamik: Bewegung eines Massenpunktes –
Summe der durch Zwangsbedingungen
verlorenen Kräfte minimiert
Ausgleichungsrechnung I
Gerhard Navratil
Zusammenfassung
• Lösung überbestimmter Probleme durch
Einführen einer Bedingung: vTvmin
• Extremwertaufgabe mit Nebenbedingung
• Sonderfälle bedingte/vermittelnde
Ausgleichung
– vermitteln: einfach zu automatisieren
– bedingt: schwer aufzustellen, einfach zu
rechnen
• Große Netze: Zerlegung oder bedingte A.
Ausgleichungsrechnung I
Gerhard Navratil
Herunterladen