1 / 53

Ausgleichungsrechnung

Ausgleichungsrechnung. Einleitung Stochastisches Modell a priori Ausgleichungsverfahren Stochastisches Modell a posteriori. Ziele. Kontrolle : Aufdecken von (groben) Fehlern Plausibilität : Wahrscheinlichste Schätzwerte für die wahren Werte der Unbekannten bzw. Messwerte

dawn
Download Presentation

Ausgleichungsrechnung

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Ausgleichungsrechnung • Einleitung • Stochastisches Modell a priori • Ausgleichungsverfahren • Stochastisches Modell a posteriori Ausgleichungsrechnung II Gerhard Navratil

  2. 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 II Gerhard Navratil

  3. Verteilung zufälliger Messabweichungen (1) • Lambert: Theorie der Zuverlässigkeit der Beobachtungen und Versuche • 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 • Weitere Untersuchung durch Gauß Normalverteilung Ausgleichungsrechnung II Gerhard Navratil

  4. Verteilung zufälliger Messabweichungen (2) • Bedingung: • oder in Matrizenschreibweise • Gewichtepi umgekehrt proportional zu den Varianzen Ausgleichungsrechnung II Gerhard Navratil

  5. Stochastisches Modell a prioriDie 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 II Gerhard Navratil

  6. Festlegung von Gewichten (1) • Gewichtung der Verbesserungen umgekehrt proportional zu den Varianzen • Oft nur relative Genauigkeiten vorhanden • Wir wählen Bezugsvarianz: Varianz der Gewichtseinheit a priorioder Varianzfaktor • Kofaktormatrix Ausgleichungsrechnung II Gerhard Navratil

  7. Festlegung von Gewichten (2) • Elemente der Kofaktormatrix: Kofaktoren oder Gewichtsreziproke • Gewichtung ist umgekehrt proportional zu den Varianzen bzw. Kofaktoren, also Inversion der Matrix • Festlegung geschieht vor der Messung  a priori VarianzenVarianz der Gewichtseinheit a prioristochastisches Modell a priori Ausgleichungsrechnung II Gerhard Navratil

  8. Funktionales Modell (1) • n BeobachtungenL um u Unbekannte X(Parametervektor) zu bestimmen • Realisierungen L1, … Ln sind Näherungen des wahren Wertes • Wir geben Schätzwert für den wahren Wert an:Ausgeglichene Beobachtungen • Auch Parametervektor hat wahren Wert Ausgleichungsrechnung II Gerhard Navratil

  9. Funktionales Modell (2) • Oft Parameter näherungsweise bekannt: Genäherter ParametervektorX0 • Differenz ausgeglichener – genäherter Parametervektor: gekürzter Parameter-vektorx • Funktionaler Zusammenhang: r Funktionen j1, … jr mit den Parametern L und X Ausgleichungsrechnung II Gerhard Navratil

  10. (ursprüngliches) funktionales Modell Widerspruchsvektor genäherter Beobachtungsvektor gekürzter Beobachtungsvektor‚gemessen minus gerechnet‘ Beziehungen Ausgleichungsrechnung II Gerhard Navratil

  11. Linearisiertes funktionales Modell • Funktionen j1, … jr von beliebigem Typ • Annahme: x und v klein gegenüber X0 und L • Linearisierung über Taylor-Entwicklung Ausgleichungsrechnung II Gerhard Navratil

  12. Jacobi-Matrix • Modellmatrix (Designmatrix) A • Matrix B Ausgleichungsrechnung II Gerhard Navratil

  13. Funktionales Modell Ausgleichungsrechnung II Gerhard Navratil

  14. Allgemeine Auflösung (1) • Extremwertaufgabe mit NebenbedingungenLösung mit Lagrange‘schen Vektoren • Partielle Ableitungen bilden und gleich Null setzen Ausgleichungsrechnung II Gerhard Navratil

  15. Allgemeine Auflösung (2) Ableitung nach v: Gleich Null setzen: Ausgleichungsrechnung II Gerhard Navratil

  16. Allgemeine Auflösung (3) Ableitung nach x analog und es ergibt sich: Ausgleichungsrechnung II Gerhard Navratil

  17. Allgemeine Auflösung (4) • Gemeinsames Gleichungssystem: • Auflösung durch Inversion: Allgemeinfall der Ausgleichungsrechnung Ausgleichung bedingter Beobachtungen mit Unbekannten Ausgleichungsrechnung II Gerhard Navratil

  18. Iteration Neu aufstellen Geprüfte Programme verwenden Hauptprobe • Annahme war, dass x und v klein gegen-über X0 und Lsind • Annahme muss überprüft werden! • Einsetzen in ursprüngliches (nicht linearisiertes) Gleichungssystem • Wenn nicht genügend genau erfüllt? • Näherungswerte nicht gut genug • Funktionales Modell fehlerhaft • Rechenfehler Ausgleichungsrechnung II Gerhard Navratil

  19. Ausgleichungsrechnung II Gerhard Navratil

  20. 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 II Gerhard Navratil

  21. 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 II Gerhard Navratil

  22. Sonderfälle • In jeder Gleichung ji kommt jeweils nur eine Beobachtung vor: Ausgleichung vermittelnder Beobachtungen • Es treten keine unbekannten Parameter auf, die Gleichungen ji beschreiben nur den funktionalen Zusammenhang der Beobachtungen: Ausgleichung bedingter Beobachtungen • 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 II Gerhard Navratil

  23. Ausgleichung vermittelnder Beobachtungen • Pro Gleichung nur eine Beobachtung • Gleichungen explizit nach Li auflösbar • n Messgrößen, r=n Gleichungen, u Unbekannte • Überschüssige Beobachtungen: nfv=n-uAnzahl der Freiheitsgrade (Redundanz) Ausgleichungsrechnung II Gerhard Navratil

  24. Art des Problems Unterscheidung über die Redundanz: • Redundanz < 0: unterbestimmt, nicht eindeutig lösbar • Redundanz = 0: Problem eindeutig lösbar • Redundanz > 0: Ausgleichungsaufgabe Ausgleichungsrechnung II Gerhard Navratil

  25. Funktionales Modell Taylorentwicklung: B= –I Modellmatrix A wie bisher weiters: bzw. Verbesserungsgleichung Ausgleichungsrechnung II Gerhard Navratil

  26. Gewichtsmatrix • Anwendung des Varianzfortpflanzungs-gesetzes auf gibt für die Kovarianzmatrix des gekürzten Beobachtungsvektors: • Die Kofaktormatrix ergibt sich somit zu • Somit erhalten wir dieselbe Gewichts-matrix P wie bisher. Ausgleichungsrechnung II Gerhard Navratil

  27. Normalgleichung Lösung • Das Gleichungssystem vereinfacht sich zu • Die Auflösung ergibt • Normalgleichungsmatrix • Verbesserungen: • Ausgeglichene Beobachtungen: Ausgleichungsrechnung II Gerhard Navratil

  28. Hauptprobe • Erfüllen die ausgeglichenen Beobachtungen und ausgeglichenen Parameter das ursprüngliche funktionale Modell? • Einsetzen in Ausgleichungsrechnung II Gerhard Navratil

  29. 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 II Gerhard Navratil

  30. Sonderfall: Ausgleichung direkter Beobachtungen • z.B. Ausgleichung direkt und mehrfach gemes-sener Größen (Strecke) • A-Matrix ist ein 1-Vektor • Auflösung: • Gewichtsmatrix Einheitsmatrix: einfaches arithmetisches Mittel • Gewichtsmatrix Diagonalmatrix: gewogenes arithmetisches Mittel • Sonst: allgemeines arithmetisches Mittel Ausgleichungsrechnung II Gerhard Navratil

  31. 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) • Das Problem vereinfacht sich zu Ausgleichungsrechnung II Gerhard Navratil

  32. Funktionales Modell • Widerspruchsvektor: • Ableitungen nach X alle Null, somit A-Matrix eine Nullmatrix, also • Korrelaten: • Verbesserungen: • Normalgleichungsmatrix der bedingten Ausgleichung: Ausgleichungsrechnung II Gerhard Navratil

  33. Hauptprobe • Erfüllen die ausgeglichenen Beobachtungen das ursprüngliche funktionale Modell? • Einsetzen in Ausgleichungsrechnung II Gerhard Navratil

  34. Ausgleichung vermittelnder Beobacht-ungen mit Bedingungsgleichungen • Pro Gleichung nur eine Beobachtung • Zusätzlich Bedingungen zwischen den Unbekannten • n Beobachtungen, u Unbekannte, r Bedingungen • nfvb = n – u + nbAnzahl der Freiheitsgrade (Redundanz) Ausgleichungsrechnung II Gerhard Navratil

  35. Lösungsansätze • Elimination von Unbekannten: r Unbe-kannte werden mit Hilfe der Bedingungen eliminiert • Strenge Lösung: Extremwertaufgabe mit Nebenbedingungen • Fiktive Beobachtungen: Bedingungen werden als (fiktive) Beobachtungen mit großem Gewicht eingeführt Ausgleichungsrechnung II Gerhard Navratil

  36. Wann Ausgleichungsproblem? • nfvb = n – u + nb • Ausgleichungsproblem, wenn nfvb > 0 • Somit: n + nb > uDie Summe aus Beobachtungen und Bedingungen muss größer als die Anzahl der Unbekannten sein Ausgleichungsrechnung II Gerhard Navratil

  37. Funktionales Modell • Funktionales Modell der vermittelnden Ausgleichung • und die Bedingungen • Getrennte Betrachtung der beiden Teile: • Beobachtungen • Bedingungen • Keine Bedingungen zwischen den Beobachtungen  B ist eine Nullmatrix Ausgleichungsrechnung II Gerhard Navratil

  38. Lösung (1) • Methode von Langrange: • Differenziert und gleich Null gesetzt: • Einsetzen von gibt Ausgleichungsrechnung II Gerhard Navratil

  39. Lösung (2) • 1. Gleichung: • Kombiniert mit 2. Gleichung: Ausgleichungsrechnung II Gerhard Navratil

  40. Hauptprobe • Erfüllen die ausgeglichenen Beobachtungen und ausgeglichenen Parameter das ursprüngliche funktionale Modell? • Erfüllen die ausgeglichenen Parameter die Bedingungen? • Einsetzen in Ausgleichungsrechnung II Gerhard Navratil

  41. Ausgleichung bedingter Beobacht-ungen mit Unbekannten • Entspricht dem Allgemeinfall der Aus-gleichungsrechnung • n Beobachtungen, n0 Beobachtungen zur eindeutigen Lösung notwendig, u Unbekannte • Anzahl der aufzustellendenBedingungen: r = (n – n0) + u = nfa + u • Lösung: siehe Allgemeinfall Ausgleichungsrechnung II Gerhard Navratil

  42. Stochastisches Modell a posteriori • a posteriori: nach der Ausgleichung • Beim stochastischen Modell a priori Ausgangspunkt Kovarianzmatrix, aber schließlich verwendet die Kofaktormatrix • Kovarianzfortpflanzungsgesetz ange-wendet auf Gleichungssystem f=Fx gibt Kofaktorfortpflanzungsgesetz Ausgleichungsrechnung II Gerhard Navratil

  43. Kofaktoren a posteriori bei der vermittelnden Ausgleichung (1) • gekürzter Beobachtungsvektor: • Ausgeglichene Beobachtungen aus • Somit gilt: • Nun können wir l, x, l und v als Funktion von l ausdrücken. Ausgleichungsrechnung II Gerhard Navratil

  44. Kofaktoren a posteriori bei der vermittelnden Ausgleichung (2) Das Kofaktorfortpflanzungsgesetz liefert: Gesuchte Kofaktoren in der Hauptdiagonale Ausgleichungsrechnung II Gerhard Navratil

  45. Kofaktoren a posteriori bei der vermittelnden Ausgleichung (3) Und weiters: Grund: Unterscheiden sich nur durch konstante Faktoren Ausgleichungsrechnung II Gerhard Navratil

  46. Probe • Gewichtsreziprokenprobe nach Ansermet • Die Summe der Hauptdiagonalglieder der Produktmatrix muss gleich der Anzahl der Unbekannten sein Ausgleichungsrechnung II Gerhard Navratil

  47. Kofaktoren a posteriori bei der bedingten Ausgleichung Das Kovarianzfortpflanzungsgesetz liefert: Gesuchte Kofaktoren in der Hauptdiagonale Ausgleichungsrechnung II Gerhard Navratil

  48. Kofaktoren a posteriori bei der vermittelnde Ausgleichung mit Bed. • Interessante Kofaktormatrizen direkt aus der invertierten Normalgleichungsmatrix: • Und weiters: Ausgleichungsrechnung II Gerhard Navratil

  49. Kofaktoren a posteriori bei der bed. Ausgleichung mit Unbekannten • Interessante Kofaktormatrizen direkt aus der invertierten Normalgleichungsmatrix: • Und weiters: Ausgleichungsrechnung II Gerhard Navratil

  50. Varianz der Gewichtseinheit a posteriori (1) • Im stochastischen Modell s02 herausge-hoben und die Kofaktormatrix Q erhalten • Somit Übergang auf relative Genauigkeits-angaben (ausreichend für Gewichtung) • Ausgleichung liefert Kofaktormatrizen für ausgeglichene Parameter etc. • Gesucht: Kovarianzmatrizen • Multiplikation mit Varianz der Gewichts-einheit a posteriori Ausgleichungsrechnung II Gerhard Navratil

More Related