350 likes | 424 Views
Számítógépes algebrai problémák a geodéziában. Készítette: Zaletnyik Piroska. Bevezetés. Joseph L. Awange, Erik W. Grafarend: Solving Algebraic Computational Problems in Geodesy and Geoinformatics, Springer, 2004
E N D
Számítógépes algebrai problémák a geodéziában Készítette: Zaletnyik Piroska
Bevezetés • Joseph L. Awange, Erik W. Grafarend: Solving Algebraic Computational Problems in Geodesy and Geoinformatics, Springer, 2004 • Geodéziai, geoinformatikai feladatok → nem lineáris algebrai problémák megoldása • Számítógépes algebrai szoftverek ismerete (Mathematica, Maple, Matlab) • Nemlineáris egyenletrendszerek megoldása → többnyire egyenletek linearizálása, nem zárt képletek, nem egzakt megoldás
Nemlineáris, többváltozós egyenletrendszerek megoldása • n=m → zárt formulával megoldható • Gyakorlatban közelítő numerikus módszerek a megbízható, egzakt eljárások nehézkessége miatt • Linearizálás, iterációk, közelítő kezdeti értékek felvétele • Bizonyos esetekben a numerikus módszer instabil, vagy a kezdeti értékek rossz becslése miatt nem konvergál
Hagyományos megoldás hiányoságai • Részleges megoldásban használt linearizálás során az egyenlet gyökeinek megtalálásában vétett kis hiba, a számítások kiterjesztésekor a teljes megoldásra, nagymértékben növekedhet • A nem lineáris hatásokat figyelmen kívül hagyja • Többnyire iteráció szükséges • Nagyon fontos a helyes kezdeti érték felvétel
Nemlineáris egyenletrendszerek megoldása zárt képletekkel • Számítógépek teljesítményének növekedése, algebrai szoftverek • Egzakt eljárások kidolgozása: Gröbner bázisok, Buchberger algoritmus, multipolinomiális rezultáns, Sylvester rezultáns, Macaluay, Strumfels formulák • Alapelv: többváltozós nemlin. egy. rsz.-nél a változók számát egyre lecsökkentik, innen egyszerű gyökkeresés (pl. roots parancs)
Túlhatározott egyenletrendszerek • Egzakt megoldások keresése n=m esetében • Ill. egzakt megoldás, amikor n>m • Több mérés, mint ismeretlen (pl. 7 paraméteres koordináta transzformáció) • Megoldás: Gauss-Jacobi kombinatorikus algoritmus
Gröbner bázisok eredete • Zárt képletek nemlineáris többváltozós egyenletrendszerek megoldására • W. Gröbner javasolta 1949-ben, tanítványa Buchberger dolgozta ki részletesen 1965-ben (közben tőlük függetlenül 1964-ben Hironaka is alkalmazta ugyanazt) • Buchberger nevezte el Gröbner bázisnak az alkalmazott formulát
Gröbner bázisok • Nemlineáris, többváltozós egyenletrsz-ek „legnagyobb közös osztói” • Lineáris egyenletrendszerek Gauss eliminációs megoldásával analóg eljárás
Gröbner bázisok f1=0, f2=0
Sylvester rezultáns • Kétváltozós, homogén polinomok esetében
Gauss-Jacobi kombinatorikus algoritmus • Általában több a mérés, mint az ismeretlenek száma • Lineáris egyenletrendszer esetében alkalmazható a legkisebb négyzeteken alalpuló, lineáris Gauss-Markov modell • Nem lineáris esetben linearizálás szükséges, megfelelő kezdeti értékek felvétele és iteráció
Gauss-Jacobi kombinatorikus modell • Nem szükséges linearizálni • Nincs szükség iterációra • Minden paraméter variancia-kovariancia mátrixa számításba vehető • Ki lehet szűrni a durva hibás méréseket • n>m esetben alkalmazható
Gauss-Jacobi kombinatorikus modell • Pl. ívmetszés (síkban) kettőnél több mért távolsággal
Gauss-Jacobi kombinatorikus • Pl. 3 mért távolság → 2 szükséges az egyértelmű megoldáshoz • Minden 2-es kombináció (jelen esetben 3) kiválasztása, megoldása pl. Gröbner bázisok segítségével • Gauss: megoldás súlyozott számtani közép (súlyok távolságok négyzetétől függenek) • Tőle függetlenül Jacobi is kitalálta a módszert (súlyok: determináns négyzete) • Gauss-Jacobi: megoldandó kérdés maradt a nemlineáris egyenletrendszerek esete
Gauss-Jacobi kombimatorilus modell • Lineáris esetben a megoldás megegyezik a lineáris Gauss-Markov modellel • Ellenkező esetben a variancia-kovariancia mátrix meghatározható nem lineáris hibaterjedési törvények alkalmazásával • Végeredmény a speciális lineáris Gauss-Markov modellel számítható (az egyenletek linearizálására csak a variancia-kovariancia mátrix levezetésekor van szükség)
GPS helymeghatározás • Nemlineáris hibaterjedési törvények → variancia-kovariancia mátrix → súlyok számítása a megoldáshoz • A maradék eltérések nagyságrendileg azonosak mind a lineáris Gauss-Markov modell, mind a kombinatorikus Gauss-Jacobi modell esetében • Ha a felhasználó a hagyományos lineáris kiegyenlítést választja, a Gauss-Jacobi megoldás akkor is jól használható a kezdeti értékek jó megválasztásához, a gyors konvergáláshoz
Egyéb alkalmazások • Hátrametszés 2 és 3 dimenzióban is • Előmetszés 3 dimenzióban is • GPS meteorológia (pl. refrakciós szögek meghatározása, CHAMP adatok elemzése) • 7 paraméteres koordináta transzformáció • Durva hiba szűrés
Összefoglaló • A bemutatott módszerek új eszközei a nemlineáris egyenletrendszerek kezelésének a geodéziában • Egzakt megoldást szolgáltatnak a problémákra. • Nincs szükség linearizálásra (csak a kovariancia mátrix meghatározásához), • se kezdeti érték felvételére, • se iterációkra. • Alkalmazásuk a mai számítógépes algebrai szoftverek használatával nem jelent nehézséget.