分析最小二乘平差结果

校正结果将存储在以下校正要素类中:

  • AdjustmentLines - 用于存储和显示宗地线、大地纬度和大地经度的校正统计数据。
  • AdjustmentPoints - 存储并显示宗地结构点的校正数据和统计数据。
  • AdjustmentVectors - 存储并显示宗地结构点及其校正点之间的转换。

执行通过最小二乘平差分析宗地工具后,会将校正要素类添加到地图中。

分析校正线

校正线图层显示了以下校正测量子类型:

  • 距离 - 用于存储有关输入宗地线校正距离的信息。
  • 方向集 - 用于存储有关输入宗地线校正方向集的信息。方向集中的前视线是该线的校正方向。
  • 大地纬度 - 转换为大地纬度的加权点或约束点的 x 坐标。
  • 大地经度 - 转换为大地经度的加权点或约束点的 y 坐标。

检查尺寸中是否存在异常值

检查校正线图层的方向和距离中是否存在异常值。异常值是其尺寸与测量网络不一致的线,指示存在潜在粗差或错误。

不一致的线

点 Sp2 的测量正在计算与其他测量显著不同的坐标。

在校正线图层中,具有异常值尺寸的线将以粉色突出显示异常值距离,并以黄色突出显示异常值尺寸。尺寸的 Standardized Student's t Statistic 属性值越大,则线符号系统越粗。在根据最小二乘平差计算的最佳拟合解决方案中,Standardized Student's t Statistic 属性较大的尺寸,其偏离越高于预期。

尺寸标记为异常值的线

当线的原始尺寸和校正尺寸之间的测量校正无法针对 95% 置信度下的正态分布进行统计检验时,该尺寸将被标记为异常值。95% 置信度意味着校正网络中 95% 的测量校正预期在平均值的 1.96 偏差内。请参阅以下部分中正态分布的描述。

Standardized Normal Statistic 属性超过 +-1.96 的尺寸将被标记为异常值(Outlier 字段设置为“是”)。

在进行任何进一步分析之前,应先处理异常值尺寸。

检查大地纬度和大地经度是否存在异常值

在加权最小二乘分析中,将转换控制点(加权和约束)的 x,y 坐标,并将其作为 DynAdjust 最小二乘平差引擎中大地纬度和大地经度测量的输入。坐标值将转换为具有关联标准差的纬度和经度,可根据宗地结构点要素类上的 XY Accuracy 字段获取这些标准差。

如果约束点或加权点的纬度和经度值在校正中偏移,则这些偏移将作为具有统计信息的单独测量输出到 AdjustmentLines 要素类。

在校正线图层中,可以使用在约束点或加权点周围绘制的框在大地纬度和大地子图层中显示纬度和经度校正。异常值校正将显示为红色,并且校正的 Standardized Student's t Statistic 属性值越大,则线符号系统越粗。

纬度校正异常值

纬度(异常值)和经度校正将在约束点周围显示为红色和粉色框。

提示:
可以选择这些框以查看坐标平移的测量和统计信息。

如果纬度或经度校正无法针对 95% 置信度的正态分布进行统计检验,则其将标记为异常值。95% 置信度意味着校正网络中 95% 的测量校正预期在平均值的 1.96 偏差内。请参阅以下部分中正态分布的描述。

Standardized Normal Statistic 属性超过 +-1.96 的纬度或经度校正将被标记为异常值(Outlier 字段设置为“是”)。

处理异常值

请遵循以下建议来处理和减少异常值:

  • 首先修复最大的异常值尺寸,然后重新运行最小二乘分析。即具有最粗的突出显示的线符号系统以及在 Measurement Correction 字段中具有最大测量校正的线。修复最大的异常值通常可解决与其连接的所有其他异常值线。
  • 要修复异常值尺寸,请针对记录中的线尺寸检查异常值尺寸。如果尺寸不匹配,请选择宗地线,然后打开属性窗格,然后编辑尺寸以匹配记录的尺寸。
  • 如果记录不适用于检查异常值尺寸,请排除该线并重新运行最小二乘分析(使用线选择作为输入,并且保留该线处于未选中状态)。如果分析通过,没有异常值,则排除的线很可能是错误的,应保留排除或者进行校正。
  • 如果尺寸与记录相匹配,请排除异常值线,然后重新运行最小二乘分析。在某些情况下,可以将可靠尺寸连接到一个点,该点连接到包含错误测量的另一条线。
  • 如果加权点或约束点标记为异常值,并且网络中没有其他尺寸异常值,请检查该点的坐标,因为其可能不正确。

评估不可靠尺寸

还将针对 95% 置信度的标准化学生 t 分布对测量校正进行检验。尺寸的 Standardized Student's t Statistic 属性值越大,则校正线图层中的灰色标准线符号系统越粗。

具有不可靠尺寸的线

在根据最小二乘平差计算的最佳拟合解决方案中,Standardized Student's t Statistic 属性较大的尺寸,其偏离越高于预期。未标记为异常值(Standardized Normal Statistic 未超过 +-1.96),但 Standardized Student's t Statistic 属性较大的尺寸可能不可靠,应对其进行进一步研究。

在以下部分中,了解有关学生 t 分布的详细信息。

有关检测和减少异常值的建议

最初,针对来自同一记录的宗地运行最小二乘分析。这些测量值将具有相同的特性,因为它们最有可能来自同一测量设备。一次分析一个记录。通过记录校正而没有异常值后,可以对多个相邻记录执行较大的校正。通过按记录分隔校正,一个记录中的任何异常值不会畸变并影响另一记录中的测量值,从而使真正的异常值更难检测。

分析校正点

校正点图层将显示宗地结构点的校正位置。将加权最小二乘分析的结果应用于宗地结构时,宗地点将平移至其校正位置。在分析校正点坐标的可靠性时,应评估误差椭圆和点的位置不确定性。

误差椭圆

可以使用 Error Ellipse Semi MajorError Ellipse Semi Minor 字段中的值,通过误差椭圆对校正点要素进行唯一符号化。

误差椭圆用于表示校正点 x,y 坐标的位置不确定性。围绕点的误差椭圆指示在 95% 置信度下,x 和 y 坐标的可能方差。95% 置信度意味着,在针对正态分布和学生 t 分布对坐标偏差进行检验时,该点 95% 的估计 x 和 y 值预计位于误差椭圆定义的圆形区域内。X 和 y 坐标的最可能值将与椭圆的中心重合。

有关正态分布和学生 t 分布的详细信息,请参见以下部分。

误差椭圆越小且越圆,则 x 和 y 坐标估计中的方差越小,并且该点的校正坐标越可靠。例如,在下图中,误差椭圆较小,这表明 x,y 坐标中的方差(不确定性)较小。此外,椭圆的形状还表明,在对 x 或 y 坐标进行相互比较时,不存在更多偏差。

较小的误差椭圆

误差椭圆越大,则估计的 x,y 坐标中的方差和不确定越大。例如,在下图中,y 坐标值具有较大的方差和较大程度的不确定性。该点的 x 坐标估计中的不确定性较小。

较大的误差椭圆

围绕校正点的较大误差椭圆可能由于以下因素导致:

  • 宗地线网络中的异常值或不可靠尺寸会导致校正坐标出现变形和较大程度的不确定性。请按如上所述处理异常值并重新运行分析。
  • 经过分析的网络中没有足够的约束控制点或加权控制点。稀疏分布的控制点可能会在校正坐标中产生较大程度的不确定性。控制点应均匀分布在要进行分析的网络中,以获得最佳坐标估计。
  • 该点周围区域中的网络连通性较差。未在整个路权中连接宗地块时,可能会发生这种情况。请添加连接线以增大此宗地网络区域中的网络冗余。

位置不确定性

每个校正点的估计位置不确定性存储在 AdjustmentPoints 要素类的 XY Uncertainty 字段中。位置不确定性值由误差椭圆的半长轴和半短轴得出,并以 95% 置信度进行计算。应对位置不确定性超过 +-1.96 的点进行进一步调查。

有关详细信息,请参阅以下正态分布的描述。

要改善位置不确定性值或提高校正点的精度,可能需要此网络区域中的附加控制点或更多测量信息。异常值和不可靠尺寸也会导致某个点的位置不确定性值较高。

正态分布

正态分布(也称为钟形曲线)用于模拟数量测量的分布。正态分布期望大多数测量值聚集在平均值(即曲线的中心峰值)附近。测量值偏离平均值的概率从曲线的两侧对称地降低。偏差越大,则预期概率越小。

在正态分布中,曲线下方 95% 的区域位于平均值的大约 1.96 标准差内。

正态分布

正态分布基于测量值的平均值和标准差。

学生 t 分布

在校正测量数量有限的测量网络(小型网络)时,可以使用学生 t 分布获得更可靠的统计检验。针对学生 t 分布的检验同样更适用于先验估计(假设的测量标准差)中置信度较低的测量网络。

学生 t 分布可在标准差未知的情况下,对数量测量分布方式的最佳估计进行建模。曲线的形状为类似正态分布的对称钟形,但可能具有更短、更窄的山峰以及更宽的尾部锥形,这意味着预期更多的值会偏离平均值。学生 t 分布具有较小的趋势以将测量偏差标记为异常值。