Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword
Like this
1Activity
0 of .
Results for:
No results containing your search query
P. 1
Fotogrametrija 2_predavanje 15

Fotogrametrija 2_predavanje 15

Ratings: (0)|Views: 16 |Likes:
Published by Pravoslavac

More info:

Published by: Pravoslavac on Nov 05, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/22/2013

pdf

text

original

 
F OT O G R A M E T R I J A 2
Predavanje 15
MODEL POUZDANOSTI AEROTRIANGULACIJE BLOKA
Zna
č
aj modela pouzdanosti za planiranje kombinovanog izravnanja adekvatan je zna
č
ajumodela ta
č
nosti.
Obzirom da je prisustvo grubih grešaka u ulaznim podacima nezaobilazna realnost, sasvim jelogi
č
no da kvalitet jedne mreže ne
ć
e zavisiti samo od ta
č
nosti koja se u njoj može ostvariti, ve
ć
 i od njenih osobina u apsorciji grubih grešaka.
Organizacione i numeri
č
ki probleme stvaraju veliki sistemi jedna
č
ina pri inverziji njihovihmatrica i izra
č
unavanju pouzdanosti.
Poznavanje modela pouzdanosti od velikog interesa za praksu, tim pre što je geometrija blokašematizovana i time u potpunosti predvidiva.
Kao i kod modela ta
č
nosti, zadatak fotogrametrisjkog stru
č
njaka u realizaciji projekta usmerena je na pra
ć
enje realizacije parametara koji su od zna
č
aja za ostvarenje zahtevane pouzdanosti.
TEORIJSKE OSNOVE OCENA TA
Č
NOSTI I POUZDANOSTI REZULTATABLOK IZRAVNANJA
!
Zadatak svakog statisti
č
kog modela za ocenu odre
đ
enih veli
č
ina jeste da, na osnovuraspoloživih (usvojenih) pretpostavki, pokuša da se što više približi stvarnim vrednostima.
!
Ovo približenje
ć
e biti utoliko ve
ć
e ukoliko budu realnije pretpostavke na kojima se statisti
č
kimodel bazira.
!
Kako u praksi stvarne pretpostavke uvek ostaju nepoznate, kod svake prakti
č
ne primene odvelikog interesa jeste mogu
ć
nost provere kvaliteta statisti
č
kog modela.
!
Polazne pretpostavke kod Gaus-Markovljevog modela koji je primenjen kod kombinovanogizravnanja fotogrametrijskih i nefotogrametrijskih opažanja jeste da se matemati
č
ko o
č
ekivanjeopažanja može modelirati linearnom funkcijom
 M(l)l, Ax= M(l)
 a da su stohasti
č
ke osobine opažanja sadržane u
l.P=K(l)
-10
σ 
 
!
Ocena nepoznatih parametara po metodi najmanjih kvadrata
Pl A)PA A(= x
-1
ˆ
 bi
ć
e nepomerena, tj. bi
ć
e
 , x= M(x)
ˆ
 ukoliko je model ispravan (adekvatan).
!
Odstupanje od ispravnog (stvarnog) modela nazivamo
greškom modela
. Nažalost, stvarnifunkcionalni i stohasti
č
ki model ostaje uvek nedoku
č
iv, pa se moramo zadovoljiti ocenamakvaliteta modela koje se zasnivaju na teoriji verovatno
ć
e.
1
 
 
Kvalitet modela, ta
č
nost i pouzdanost
 
!
Opšte prihva
ć
ena teorija pouzdanosti koju je predložio Barda, omogu
ć
ava istovremeno iinterpretaciju teorije grešaka modela. Barda je problem kvaliteta modela podelio u dva dela: nata
č
nost i na pouzdanost.
!
Ta
č
nost predstavlja statisti
č
ki kvalitet ocena veli
č
ina, pod uslovom da su pretpostavke funkcio-nalnog i stohasti
č
kog modela ostvarene.
!
Pouzdanost, prema Bardi, definiše kvalitet modela s obzirom na mogu
ć
nost otkrivanja grešakamodela kao i s obzirom na delovanje neotkrivenih grešaka na ocene traženih veli
č
ina.
!
Kao greške modela u obzir dolaze tri vrste grešaka:- sistematske greške,- grube greške i- stohasti
č
ke greške,
!
Stohasti
č
ke greške nastaju usled neadekvatnog dodeljivanja težina, ili usled neadekvatnogtretmana korelacije izme
đ
u opažanja, pa se s toga ove greške smatraju greškamastohasti
č
kog modela.
!
Sistematske i grube greške predstavljaju greške funkcionalnog modela, jer kvarepretpostavljene funkcionalne odnose izme
đ
u merenih veli
č
ina i nepoznatih parametara.
!
Iako mogu biti izazvane potpuno razli
č
itim uzrocima, sistematske i grube greške u statisti
č
komsmislu deluju jednako: one dovode do pomeranja o
č
ekivanih vrednosti opažanja, što zna
č
i donarušavanja pretpostavke o normalnom rasporedu opažanja.
!
Nažalost, u praksi je vrlo teško razdvojiti greške stohasti
č
kog od grešaka funkcionalnogmodela.
Č
esto se dešava da se greške jedne vrste kompenziraju u odre
đ
enom obimugreškama druge vrste, što stvara dodatne probleme, a problem
č
ini delikatnim.
!
Me
đ
utim, umiruju
ć
e deluju rezultati istraživanja aerotriangulacije bloka koja pokazuje dauobi
č
ajeno tretiranje fotogrametrijskih merenja kao podjednako ta
č
nih i nekorelisanih opažanjanema nikakvih ozbiljnih posledica po ta
č
nost.
Otkrivanje i eliminacija grešaka modela
 
!
Za prakti
č
nu primenu aerotriangulacije bloka od velikog zna
č
aja je mogu
ć
nost otkrivanja(lokalizacije) i odstranjivanja grešaka modela.
Stohasti
č
ke greške
 
!
Stohasti
č
ke greške - neizbežan pratilac fotogrametrijskog izravnanja. S jedne strane, zbogtoga što smo prinu
đ
eni da iz organizacionih razloga sva opažanja tretiramo nekorelisanim, a sdruge strane, zato što
č
esto nismo u stanju da svakom opažanju odredimo adekvatnu težinu.
2
 
!
Uticaji stohasti
č
kih grešaka na ocenjene veli
č
ine samo su hipoteti
č
kog karaktera, jer se stvarne(istinite) stohasti
č
ke osobine opažanja nikada ne poznaju.
!
 A posteriori ocenu komponenata varijanse jedinice težine, može utvrditi neadekvatan odnos apriori težina izme
đ
u grupa opažanja u izravnanju.
A posteriori ocena komponenata varijanse jedinice težine
 
!
Prisustvo heterogenih grupa opažanja u kombinovanom izravnanju fotogrametrijskih inefotogrametrijskih opažnaja nosi sa sobom potencijalnu opasnost da ta
č
nost pojedinih grupaopažanja ne bude korektno procenjena, te da zbog toga bude narušena ispravnoststohasti
č
kog modela.
!
Koeficijent težine grupe opažanja dobija se kao odnos a priori varijanse jedinice težine i apriori varijanse konkretne grupe opažanja
m
.
m
202i
!
U ispravnom statisti
č
kom modelu (oslobo
đ
enog grešaka funkcionalnog i stohasti
č
kog modela)a posteriori ocena varijanse jedinice težine bi
ć
e nepomerena ocena varijanse jedinicetežine . To zna
č
i, ne samo da je a priori varijansa jedinice težine korektno odre
đ
ena, ve
ć
dasu korektno odre
đ
ene i varijanse pojedina
č
nih grupa opažanja.
σ 
ˆ
20
m
20
!
Zadatak a posteriori ocene varijanse jedinice težine , kod izravananja heterogenih grupaopažanja, može se proširiti na a posteriori ocenu varijansi pojedina
č
nih grupa opažanja , ili,kako se ponegde u literaturi naziva, na ocenu komponenata varijanse jedinice težine.
σ 
ˆ
20
σ 
ˆ
20i
 
!
Polaznu ta
č
ku posmatranja predstavlja Gaus-Markovljev model. Zadatak se ne sastoji samo uoceni varijanse jedinice težine , ve
ć
i u oceni varijansi , pri
č
emu . Svakagrupa opažanja sadrži opažanja, tako da suma
σ 
ˆ
20
σ 
ˆ
20i
k) ,1,=(i
K
n
i
n=
n
i=1i
 predstavlja ukupan broj opažanja u izravnanju.
!
Numeri
č
ki najjednistavniji postupak za ocenu varijanse i-te grupe opažanja zasniva se naslede
ć
em izrazu:
σ 
ˆ
20i
,)P AQ A-trag(E =  ,vPv =
ii x xiiiiii20i
ˆˆ
ˆˆˆ
σ 
 gde su i odgovaraju
ć
e matrice jedna
č
ina popravaka i težina respektivno.
 A
i
P
i
 Osobina ovog postupka je u tome da se do kona
č
nog rešenja dolazi iterativno. Kona
č
no rešenje jepostignuto onda kada se ocenjene varijanse iteracije
ν 
ne razlikuju zna
č
ajno od ocenjenihvarijansi u iteraciji
1-
ν 
, što se može poistovetiti sa kriterijumom
.1m ;1m
000i0i
σ σ 
ˆˆ
 
3

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->