Upload
danijela-knezevic
View
601
Download
31
Embed Size (px)
DESCRIPTION
Analiza i obrada geodetskih mjerenja,skripta za usmeni ispit(teorija)
Citation preview
ANALIZA I OBRADA
GEODETSKIH MJERENJA
skripta za učenje
Analiza i obrada geodetskih mjerenja
2
Ova skripta sadržava sve što je prof. Rožić naveo u katalogu izvornika i nastavnog sadržaja, a odnosi se na TEORIJSKI sadržaj predmeta, ne EMPIRIJSKI, iz literature: Feil, L: Teorija pogrešaka i račun izjednačenja – prvi dio Feil, L: Teorija pogrešaka i račun izjednačenja – drugi dio Rožić, N.: Računska obrada geodetskih mjerenja PREDAVANJA u PDF-u Rožić, N.: Računska obrada geodetskih mjerenja (PLAVA KNJIGA) Obavljena je supstitucija postojećih stručnih termina i oznaka sukladno uputama prof. Rožića. Potrebno je proučiti algoritme i stručnu terminologiju pripadnih algoritama iz: Rožić, N.: Računska obrada geodetskih mjerenja (PLAVA KNJIGA) jer nisu sadržani u skripti. Sretno!
Analiza i obrada geodetskih mjerenja
3
Sadržaj:
1. TEORIJA POGREŠAKA .................................................................................................................. 5
1.1. Uvod u teoriju pogrešaka .......................................................................................................................... 5
1.2. Vrste pogrešaka ......................................................................................................................................... 6
1.3. Razdioba vjerojatnosti – zakonitost skupnog ponašanja slučajnih pogrešaka ............................................ 7
1.4. Pouzdanost mjerenja ................................................................................................................................. 9
1.5. Kriterij za ocjenu točnosti ........................................................................................................................ 10
1.6. Gaussov zakon pogrešaka ........................................................................................................................ 16
1.7. Korelacija mjerenja.................................................................................................................................. 17
1.8. Zakon o prirastu pogrešaka ..................................................................................................................... 17
1.9. Opća načela izjednačenja ....................................................................................................................... 24
1.9.1. Postupak izjednačenja .......................................................................................................................... 24
1.10. Metoda najmanjih kvadrata ................................................................................................................ 25
1.11. Cholesky - općenito ............................................................................................................................... 27
2. IZJEDNAČENJE DIREKTNIH MJERENJA ............................................................................... 28
2.1. Uvod ........................................................................................................................................................ 28
2.2. Izjednačenje jedne tražene veličine („klasična direktna mjerenja“) ......................................................... 28
2.3. Izjednačenje višestruko mjerenog vektora .............................................................................................. 32
2.4. Dvostruka mjerenja ................................................................................................................................. 34
3. IZJEDNAČENJE REGULARNIH POSREDNIH MJERENJA .................................................. 37
3.1. Uvod ........................................................................................................................................................ 37
3.2. Određivanje najvjerojatnijih vrijednosti nepoznanica ............................................................................. 37
3.3. Kontrole .................................................................................................................................................. 40
3.4. Ocjene točnosti ....................................................................................................................................... 42
3.5. Redukcija jednadžbi popravaka metodom Gaussa ................................................................................... 48
3.6. Zajedničko izjednačenje pravaca i duljina (raznorodne jedinice mjere) ................................................... 48
Analiza i obrada geodetskih mjerenja
4
3.7. Primjena izjednačenja posrednih mjerenja .............................................................................................. 50
4. IZJEDNAČENJE UVJETNIH MJERENJA .................................................................................. 56
4.1. Uvod ........................................................................................................................................................ 56
4.2. Određivanje najvjerojatnijih vrijednosti mjerenja ................................................................................... 56
4.3. Kontrole pri izjednačenju uvjetnih mjerenja ............................................................................................ 59
4.4. Ocjene točnosti ....................................................................................................................................... 61
4.5. Primjeri ................................................................................................................................................... 63
5. IZJEDNAČENJE SINGULARNIH POSREDNIH MJERENJA ................................................. 67
5.1. Uvod ........................................................................................................................................................ 67
5.2. Svojstvene vrijednosti i svojstveni vektori ............................................................................................... 69
5.3. Opća inverzija .......................................................................................................................................... 71
5.4. Defekt konfiguracije ................................................................................................................................ 72
5.5. Defekt datuma ........................................................................................................................................ 72
5.6. Helmertova transformacija ...................................................................................................................... 72
5.7. Izjednačenje slobodnih mreža ................................................................................................................. 73
5.8. Primjeri ................................................................................................................................................... 75
6. LITERATURA ............................................................................................................................... 78
Analiza i obrada geodetskih mjerenja
5
1. TEORIJA POGREŠAKA
1.1. Uvod u teoriju pogrešaka
MJERENA VELIČINA je mjerenjem dobiven podatak, rezultat je niza elementarnih operacija (npr.
postavljanje stativa i instrumenta, centriranje, horizontiranje, očitavanje…) od kojih su samo neke
opažanje.
MJERENJE je posljedica opažanja, a geodetski podaci većinom su dobiveni mjerenjem.
MJERNI PROCES je složeni slijed postupaka kojima se obavlja međusobno uspoređivanje
geometrijskih ili fizikalnih veličina, pri čemu se vrijednost (kvantiteta) nepoznate veličine određuje
neposrednim usporedbama s „mjerilom“ mjernog uređaja (instrument).
Mjerni proces je podložan promjenama.
Mjerenjem je nemoguće odrediti pravu/istinitu vrijednost neke veličine, već njenu procjenu.
Matematički gledano, mjerenja su varijable.
REALIZACIJA MJERNOG PROCESA (REZULTAT mjernog procesa: direktno mjerenje)
MJERE SE:
geometrijske veličine (pravci, duljine, visinske razlike)
fizikalne veličine (ubrzanje sile teže, geomagnetski elementi, temperatura zraka…)
MJERI SE:
na topografskoj površini Zemlje (nekontrolirani uvjeti)
u laboratoriju (kontrolirani uvjeti)
KVALITETA MJERENJA: različita (sukladno promjenama)
INSTRUMENTARIJ: različit
METODE: ponavljanje, direktno, indirektno mjerenje, kombinirano
STRUČNJAK
OKOLIŠ: prirodne sile
Mjerni proces nije moguće ponoviti na identičan način. Posljedica toga je da je podatak mjerenja
uvijek različit!
Razlike između rezultata mjerenog procesa (L), tj. podataka mjerenjem određenih veličina, zovu se
POGREŠKE mjerenja.
Razlike između podataka mjerenja te veličine (L) i PRAVE vrijednosti neke veličine (λ) jesu PRAVE
POGREŠKE (ε) i nije ih moguće odrediti. (mogli bismo ih odrediti ako unaprijed znamo vrijednost
veličine koju želimo odrediti, a u stvarnosti toga nema)
↓
mjerenim procesom nije moguće odrediti tzv. pravu/istinitu vrijednost (λ) veličina koje su
nepoznate, ali u određenim slučajevima mogu biti poznate tzv. KVAZI-PRAVE vrijednosti nekih
veličina (npr. mjerenjem visoke točnosti)
Osnovni zadatak teorije pogrešaka je izučavanje pogrešaka mjerenja i njihovih karakteristika.
Postupci izjednačenja su posebni postupci računske obrade podataka geodetskih mjerenja, uobličeni
u formu matematičkih algoritama sa ciljem određivanja jednoznačnih vrijednosti mjerenih veličina i
njihove kvalitete. Oni omogućuju eliminiranje slučajnih pogrešaka iz podataka mjerenja.
Analiza i obrada geodetskih mjerenja
6
1.2. Vrste pogrešaka
1.2.1. Grube pogreške
Uzroci: nepažnja, umor, previd, nemarnost, nestručnost…
Eliminacija: mjerenja koja znatnije odstupaju ne uzimaju se u obzir
Veličinu grube pogreške uvjetovati će tražena točnost
Karakteristike: veliki iznos, različiti predznak, različiti iznos
Kao jedan od kriterija njihove identifikacije često se koristi granična pogreška tzv. dozvoljeno
odstupanje.
Moguće ih je u potpunosti eliminirati.
1.2.2. Sistematske pogreške
Uzrok: nesavršenost instrumentarija, stručnjak, utjecaj okoliša
Uzrokovane su određenim sistemom koji se, ukoliko je poznat, može prikazati nekom funkcijom.
Mogu se u potpunosti eliminirati uvođenjem stanovitih korekcija.
Malog su iznosa.
Mogu biti:
konstantnog iznosa i predznaka, i tada imaju svojstvo kumuliranja (konstantna pogreška)
varijabilnog iznosa i konstantnog predznaka
varijabilnog iznosa i predznaka, te one mogu biti prividno prekrivene
Mogućnosti eliminiranja sistematskih pogrešaka:
idealan slučaj: poznat je sustav koji dovodi do pojave sistematskih pogrešaka i moguće ga je
modelirati matematičkom funkcijom. Tada je moguća eliminacija u punom iznosu.
prihvatljiv slučaj: poznat je sustav, ali nije moguće jednostavno modeliranje
nepovoljan slučaj: nije poznat sustav
Prije postupka izjednačenja pretpostavka je da su eliminirane sve sistematske pogreške.
1.2.3. Slučajne pogreške
Eliminiramo ih postupkom izjednačenja.
Razlike u mjerenjima su rezultat pogrešaka mjerenja čiji se uzroci i zakonitosti ne mogu izraziti
određenom funkcijom. Drugim riječima, nije poznat sustav.
Slučajne pogreške su promjenjivog iznosa i predznaka, rezultat su „čistog slučaja“. Nije moguće
njihovo neposredno eliminiranje. Ne nastaju po određenim matematičkim zakonima.
Povezane su sa STOHASTIČKIM MODELOM.
Utjecaj i karakter slučajnih pogrešaka se može izučavati iz njihovog kolektivnog ponašanja, iz
pripadne razdiobe vjerojatnosti.
Slučajne pogreške se označavaju kao slučajne varijable. Iz toga slijedi da su mjerenja također slučajne
varijable.
Hipotetski (teorijski) one su prave pogreške.
Analiza i obrada geodetskih mjerenja
7
1.3. Razdioba vjerojatnosti – zakonitost skupnog ponašanja slučajnih
pogrešaka
Slučajne pogreške, odnosno mjerenja, distribuirana su najčešće prema kontinuiranoj normalnoj
razdiobi vjerojatnosti. Osnova svakog stohastičkog modela mjerenja je razdioba vjerojatnosti, a
pretpostavlja veći broj mjerenja.
Ako se u n obavljenih mjerenja neki rezultat x pojavi f puta, tada se f naziva frekvencija ili
učestalost, a veličina f/n se naziva relativna frekvencija.
Raspon unutar kojega se kreću mjerene veličine može se podijeliti na razrede. Broj mjerenja unutar
razreda biti će frekvencija tog razreda, a ako se podijeli s ukupnim brojem mjerenja, onda će biti
relativna frekvencija razreda.
Analiza i obrada geodetskih mjerenja
8
HISTOGRAM je graf koji prikazuje razdiobu frekvencija.
↓
osnovica pravokutnika predstavlja veličinu razreda
visina pravokutnika predstavlja relativnu frekvenciju
Slika 1.3.1 Histogram
Povećanjem broja mjerenja, relativne frekvencije u pojedinim razredima poprimiti će stabilne
vrijednosti.
Teorijski slučaj: Kada broj mjerenja poraste do beskonačnosti (n→ ), a mjerenja su oslobođena
sistematskih pogrešaka, srednja vrijednost ̅ prelazi u pravu vrijednost (λ), v→ε.
Kada broj mjerenja poraste do beskonačnosti, relativne
frekvencije u razredima prelaze u vjerojatnost. Tada histogram
poprima oblik kontinuirane glatke krivulje. Funkcija koja
definira krivulju je: funkcija gustoće vjerojatnosti pogrešaka
f(ε). Površina ispod krivulje predstavlja vjerojatnost.
Funkcija gustoće vjerojatnosti pogrešaka definira teorijski
zakon skupnog ponašanja pravih pogrešaka, odnosno slučajnih
pogrešaka, uz uvjet da su sve grube i sistematske pogreške
prethodno eliminirane. Ona definira zakonitost distribucije
(razdiobu) teorijskih relativnih frekvencija pogrešaka, odnosno
teorijskih vjerojatnosti pogrešaka.
Slika 1.3.2. Funkcija gustoće vjerojatnosti pogrešaka f(ε)
Funkcija gustoće vjerojatnosti pogrešaka omogućuje
određivanje vjerojatnosti uz koju će neka pogreška poprimiti
vrijednost unutar nekog proizvoljno zadanog intervala, npr.
intervala (a,b).
Slika 1.3.3. Funkcija gustoće vjerojatnosti koja određuje
vjerojatnost slučajne varijable za neku vrijednost
Pomoću funkcije gustoće vjerojatnosti f(ε) definirana je funkcija razdiobe vjerojatnosti pogrešaka
F(ε). Ona određuje vjerojatnost da neka pogreška neće poprimiti vrijednost veću od neke zadane
granične vrijednosti.
Analiza i obrada geodetskih mjerenja
9
Slika 1.3.4. Funkcija razdiobe vjerojatnosti mjerenja
1.4. Pouzdanost mjerenja
Neophodno je posjedovati mjeru kvalitete kojom će se procijeniti sama kvaliteta mjerenja sukladno
pogreškama sadržanim u mjerenjima.
Mjere kvalitete, odnosno kriteriji, su:
1.4.1. Točnost
Točnost je stupanj ili razina podudaranja ili približavanja nekog mjerenja njegovoj pravoj vrijednosti.
Iskazuje vanjsku pouzdanost mjerenja.
Na mjeru točnosti utječu slučajne i ostale (neeliminirane) sistematske pogreške.
Što je veća točnost, mjerenja su pouzdanija.
Ako pak ne postoje ostale sistematske pogreške, odnosno ako su eliminirane, mjera točnosti biti će
standardna devijacija. Tada je kriterij točnosti istovjetan kriteriju preciznosti.
1.4.2. Preciznost
Preciznost je stupanj /razina međusobnog podudaranja podataka mjerenja pri ponovljenom mjerenju
jedne te iste nepoznate veličine. Na mjeru preciznosti utječu samo slučajne pogreške mjerenja.
Preciznost iskazuje unutarnju pouzdanost mjerenja.
Što je veća preciznost, mjerenja su pouzdanija.
Niska disperzija (raspršenost) pogrešaka =
visoka preciznost mjerenja
Visoka disperzija pogrešaka = niska preciznost
mjerenja
Analiza i obrada geodetskih mjerenja
10
1.4.3. Sigurnost
Sigurnost je interval u kojem se očekuje neka pogreška mjerenja. Povezana je s određenom
vjerojatnošću. Npr. 90% sigurnost je interval u kojem će se, uz 90% vjerojatnosti pojaviti neka
pogreška mjerenja.
ZAKLJUČAK:
najučestalije za ocjenu pouzdanosti mjerenja koriste se kriteriji točnosti i preciznosti. Točnost ima
prednost pred preciznosti jer sukladno fizikalnom realitetu u podacima mjerenja su sadržane i
preostale sistematske pogreške koje se ne mogu eliminirati.
Slika 1.4.1. Grafički prikaz uzajamnog odnosa preciznosti i točnosti mjerenja
1.5. Kriterij za ocjenu točnosti
Mjerenja su opterećena pogreškama, te se zbog toga ispituje pouzdanost mjerenja pripadnom ocjenom
točnosti.
Određivanje vrijednosti mjera ili kriterija ocjene točnosti naziva se ocjena točnosti mjerenja.
Mjere ili kriteriji za ocjenu točnosti su:
1.5.1. Prava i najvjerojatnija pogreška
Analiza i obrada geodetskih mjerenja
11
Aritmetička sredina eliminira veći broj slučajnih pogrešaka jer one imaju različite predznake.
Što je veći broj ponavljanja, manji je broj slučajnih pogrešaka.
Sistematske pogreške biti će sadržane u aritmetičkoj sredini.
Analiza i obrada geodetskih mjerenja
12
Što se u teorijskom pogledu događa ako mjerenja L1, L2, …, Ln nisu isključivo slučajne varijable?
Npr. karakterističan slučaj nastaje, ako svako mjerenje osim slučajne pogreške sadrži fiksni iznos
sistematske pogreške (pogreška istog predznaka i apsolutne vrijednosti).
1.5.2. Standardno odstupanje / standardna devijacija ( (Fail: srednja pogreška (m))
Standardno odstupanje je korijen aritmetičke sredine sume kvadrata.
Slučaj: kada su poznate pogreške mjerenja (ε) i prava vrijednost veličine (λ):
Slučaj: kada su poznate procjene pogrešaka mjerenja v i nije poznata prava vrijednost veličine
koja se određuje mjerenjem (λ):
Broj prekobrojnih mjerenja (broj stupnjeva slobode ili redundancija): potrebno je barem jedno
mjerenje da se dobije elementarno saznanje o veličini koja se određuje mjerenjem. Svako naredno
mjerenje je prekobrojno: nf = n – 1
Analiza i obrada geodetskih mjerenja
13
VARIJANCA MJERENJA ( je kvadrat standardne devijacije.
(Fail: kvadrat srednje pogreške (m2))
1.5.3. Prosječna pogreška (t)
Prosječna pogreška je aritmetička sredina apsolutnih vrijednosti pogrešaka.
Manje je osjetljiva na veće pogreške, manje je pouzdan kriterij točnosti.
Odnos prosječne pogreške t i standardnog odstupanja:
.
1.5.4. Vjerojatna pogreška (ρ)
Nalazi se u sredini svih apsolutnih vrijednosti pogrešaka, tako da je broj pogrešaka koje su veće od
vjerojatne, i one koje su manje, jednak.
Slučaj: kada su poznate procjene pogrešaka mjerenja v i kada je ukupan broj pogrešaka neparan,
vjerojatna pogreška jednaka je iznosu pogreške u sredini:
v1 v2 v3 v4 v5
Slučaj: kada je paran broj, pogreška je jednaka aritmetičkoj sredini središnjih pogrešaka:
v1 v2 v3 v4 v5 v6
Slučaj: kada su poznate ε:
P (-ρ < ε < +ρ) = 0,5
Odnos između vjerojatne pogreške i standardnog odstupanja:
.
1.5.5. Relativna pogreška (τ)
Relativna pogreška je omjer standardne devijacije i vrijednosti podataka mjerenja.
Često se izražava omjerom 1:N, gdje je N prirodni broj.
Npr: granična pogreška kada je s = 2mm, L = 2 km?
τ = 2 : 2 000 000 /:2
τ = 1: 1 000 000
Analiza i obrada geodetskih mjerenja
14
1.5.6. Granična pogreška (∆)
Granična pogreška je vrijednost one pogreške koja međusobno razdvaja (razgraničava) slučajne i
grube pogreške. Definira se „intervalom pouzdanosti“ unutar kojih će biti sadržane pogreške određene
veličine uz neku unaprijed zadanu vrijednost.
U geodeziji interval pouzdanosti je
(
( – grube pogreške koje premašuju graničnu pogrešku imat će
vjerojatnost 0,0027
Pogreške izvan intervala se smatraju grubim pogreškama, te se ti podaci odbacuju.
1.5.7. Težine (p) i kofaktori (q) mjerenja
Uobičajeno je da se za ocjenu točnosti mjerenja koristi standardna devijacija (s).
Posljedica: mjerenja sa malim standardnim odstupanjima imaju visoku točnost, a mjerenja sa velikim
standardnim odstupanjem imaju malu točnost. Odnos standardnog odstupanja i točnosti je obrnuto
proporcionalan.
Rješenje: uvodi se kriterij točnosti koji je proporcionalan s točnošću - TEŽINA i definira se pomoću
standardnog odstupanja.
Mala težina = niska točnost
Velika težina = visoka točnost
Pomoću težine definira se i KOFAKTOR mjerenja, tzv. težinski koeficijent
Mali kofaktor = visoka točnost
Veliki kofaktor = niska točnost
1.5.8. Referentno standardno odstupanje / referentna standardna devijacija (so) i referentna varijanca
(so2)
(Fail: Referentna srednja pogreška ili srednja pogreška jedinične duljine)
U geodeziji se često javljaju mjerenja različitih točnosti. Ukoliko se kao kriterij točnosti mjerenja
koriste težine, odnosno mjerenja sa različitim težinama, tada se točnost mjerenja mora izraziti pomoću
jednog fiktivnog mjerenja (nepostojećeg), a to je REFERENTNO mjerenje. Referentno mjerenje je
ono mjerenje koje ima jediničnu težinu (p = 1).
Sukladno referentnom mjerenju odgovara i referentna varijanca (so2) i referentno standardno
odstupanje (so).
Analiza i obrada geodetskih mjerenja
15
√
→ u nizu mjerenja u kojem će svakom mjerenju pripasti ista apsolutna
vrijednost prave pogreške ε1
√
→ u nizu mjerenja u kojem će svakom mjerenju pripasti ista apsolutna
vrijednost prave pogreške ε2
s1 : s2 =
√
√ → omjer za standardno odstupanje
ε1 : ε2 =
√
√ → omjer za prave pogreške
Referentnom standardnom odstupanju pripadati će prava pogreška εr i težina pr (pr = 1, ali se koristi
zbog dimenzija)
√
√
√ √ /
2
/ +
______________________________________
gdje je:
[
]
,
n
2
1
p0...0
0..
...
...
.p0
0...0p
kako je: √
√
√
√ i kako je
tada je:
/ √
√ √
√
→ konačno referentno standardno odstupanje
Analiza i obrada geodetskih mjerenja
16
1.6. Gaussov zakon pogrešaka
Gauss izvodi funkciju gustoće vjerojatnosti pogrešaka koju naziva KRIVULJA POGREŠAKA.
Pošao je od hipoteze da srednja vrijednost pogrešaka, određena kao aritmetička sredina svih
pogrešaka, ima najvišu vjerojatnost.
Gaussov zakon pogrešaka
Nedostaci:
uvođenje hipoteze da je srednja vrijednost pogrešaka vrijednost s najvišom vjerojatnošću, u
odnosu na sve ostale vrijednosti pogrešaka.
uvođenje hipoteze da ukupni broj pogrešaka teži u beskonačnost
uvođenje hipoteze da su pogreške međusobno potpuno neovisne
Svojstva:
Površina ispod krivulje pogrešaka jednaka je 1, tj. vjerojatnost da će neka pogreška poprimiti
vrijednost u intervalu od iznosi 1, tj. 100%.
Krivulja je simetrična u odnosu na srednju vrijednost pogrešaka, pa je vjerojatnost pojave
negativnih i pozitivnih pogrešaka istog iznosa jednaka
Maksimalna ordinata krivulje pogrešaka odgovara
srednjoj vrijednosti pogrešaka (jednaka je nuli).
Srednja pogreška je najvjerojatnija vrijednost.
Analiza i obrada geodetskih mjerenja
17
Vjerojatnosti po iznosu malih pogrešaka su vrlo visoke, a pogreške su u blizini srednje
vrijednosti pogrešaka. Vjerojatnosti po iznosu velikih pogrešaka su vrlo niske i nalaze se
najdalje od srednje vrijednosti pogrešaka.
1.7. Korelacija mjerenja
Gaussov zakon pogrešaka opisuje kolektivna svojstva slučajnih pogrešaka za veći broj mjerenja
(n→ ). Ograničavanjem broja mjerenja (slučaj u praksi), pogreške neće u potpunosti imati ta
svojstva.
Slučajne pogreške se sastoje od niza elementarnih pogrešaka mjerenja će biti opterećena
jednostranim utjecajem, što će izazvati korelaciju.
Korelacija mjerenja izaziva međusobnu ovisnost mjerenja. Ako ona ne postoji (ili je zanemariva),
mjerenja su međusobno neovisna. Mjerenja mogu biti matematički ili fizikalno korelirana.
1.8. Zakon o prirastu pogrešaka
Pojam prirasta pogrešaka označava pojavu prijenosa pogrešaka mjerenih veličina na traženu
veličinu, dok zakon o prirastu pogrešaka matematički utvrđuje oblik tog prijenosa.
Nepoznate veličine mogu se primjenom mjernog procesa odrediti DIREKTNO (neposredno) i
INDIREKTNO (posredno).
Direktno: moguća je direktna usporedba mjerila mjernog uređaja s veličinom koju treba odrediti.
Nepoznata veličina se mjeri više puta kako bi se otklonile grube i dio sistematskih pogrešaka.
Posljedica: određivanje najbolje procjene vrijednosti nepoznate veličine, podataka mjerenja
(izjednačenje) i kriterija točnosti
Indirektno: nepoznata veličina se funkcijski povezuje s određenim brojem veličina koje je moguće
direktno odrediti primjenom mjernog procesa.
Problemi: mjerenja su opterećena pogreškama, tako će i nepoznate veličine biti opterećene
pogreškama
Teorijski: Ako su L1, L2, …, Ln međusobno neovisne veličine direktno mjerene, s poznatim
standardnim odstupanjem s1, s2, …, sn tražena veličina F računa se kao funkcija mjerenih veličina Li (i
= 1, 2, …, n):
F=F(L1, L2, …, Ln)
Potrebno je odrediti standardno odstupanje tražene veličine sF.
Ukoliko su poznate prave pogreške veličina L1, L2, …, Ln tj. ε1, ε2, …, εn biti će:
λF = F(λ1, λ2, …, λn)
F + εF = F(L1 + ε1, L2 + ε2, …, Ln + εn)
Postavljena funkcija je nelinearna pa se linearizira razvojem u Taylorov red (zanemarujući kvadratne i
više članove reda, jer su zanemarivo mali)
( (
)
(
)
(
)
Analiza i obrada geodetskih mjerenja
18
Zakon o prirastu pogrešaka je u matematičkom smislu totalni diferencijal funkcije neposredno ili
direktno određenih veličina. To je jedan od temeljnih zakona za određivanje kriterija točnosti
indirektno/posredno određenih veličina.
Zakon o prirastu pogrešaka definira prijenos (prirast) pogrešaka sa direktno mjerenih veličina na
posredno /indirektno mjerenje veličine koje su funkcije direktno mjerenih veličina!!
ZAKON O PRIRASTU POGREŠAKA, PRELASKOM SA POGREŠAKA NA KRITERIJE TOČNOSTI, POPRIMA 3
KARAKTERISTIČNE FORME:
1.8.1.Zakon o prirastu varijanci
Svaka veličina Li mjerena je n puta, za veličinu εn postoji n izraza.
Označivši vektore:
[
]
[
]
[
]
[
]
nalazi se:
(
teži nuli pri većem broju
mjerenja, pa se zanemari
kako je:
Zakon o prirastu pogrešaka
Skupivši sve koeficijente u vektor a, te varijance u matricu varijance – kovarijance Vll tj.
Analiza i obrada geodetskih mjerenja
19
[
]
,
2
n
2
2
2
1
s0...0
0..
...
...
.s0
0...0s
konačno:
→ zakon o prirastu varijanci za jednu funkciju
Za više funkcija:
Uvođenjem približnih vrijednosti Loi i prikraćenih mjerenja li biti će:
Li = Loi + li
Fo = F(Lo1, Lo2, …, Lon) i lt = [l1, l2, …, ln]
nakon razvoja u Taylorov red:
F = Fo + atl
analogno, ako se radi o više funkcija:
[
], [
], A=
n
n
n
...
...
...
21
21
21
f = fo + Al
Vff = A Vll At → zakon o prirastu varijanci za više funkcija
vff =
2
2
2
sss
sss
sss
Analiza i obrada geodetskih mjerenja
20
Vff je disperzijska matrica postavljenih funkcija ili matrica VARIJANCE-KOVARIJANCE funkcija
mjerenja
Glavna dijagonala: varijance (s2)
Ostali elementi: mješoviti produkti standardnih odstupanja (kovarijance)
** Ako su kovarijance = 0, između funkcija ne postoji ovisnost (korelacija) i obrnuto.
1.8.2. Zakon o prirastu težina i kofaktora
Ako se u matricu varijance-kovarijance uvrste težine uz pretpostavku neovisnih mjerenja.
2
2
2
2
1
2
2
2
2
2
2
2
1
2
n
2
1
1
1
1
p0...0
0..
...
...
.p0
0...0p
n
o
n
o
o
o
ll
s
s
s
s
s
s
s
s
s
s
P
kofaktor:
2
2
2
2
2
2
2
1
nn
22
11
q0...0
0..
...
...
.q0
0...0q
o
n
o
o
ll
s
s
s
s
s
s
Q
↓
Analiza i obrada geodetskih mjerenja
21
→ zakon o prirastu težina za jednu funkciju
[
] →Gaussovi simboli
→ zakon o prirastu kofaktora za jednu funkciju
→Gaussovi simboli
Za slučaj više funkcija:
(
→ zakon o prirastu težina za više funkcija
→ zakon o prirastu kofaktora za više funkcija
Analiza i obrada geodetskih mjerenja
22
1.8.2.1. Težine visinskih razlika u geometrijskom nivelmanu
mjereno je na ukupno n stajališta
pretpostavka: duljine vizura d su konstantne (nije ispunjena jer duljine vizura ovise o terenskim
uvjetima)
L – ukupna duljina vlaka
poznate su težine koje su jednake pi = pzi = ppi
ph = ?
funkcija:
h = h1 + h2 + … + hn
h = (z1 – p1) + (z2 – p2) + … + (zn – pn)
totalni diferencijal:
dh = dz1 – dp1 + dz2 – dp2 + … + dzn – dpn
vektor koeficijenata i matrica težina:
[
]
,
p
p
p
p
llPnnx
.
.
p0...0
0p.
...
...
.p0
0...0p
pn
zn
p1
z1
22
Analiza i obrada geodetskih mjerenja
23
IPnnx
nnxp
p
p
p
p
ll 2222
1
/1
/1
.
.
/1
/1
1
= p
ntp
aIanxnnxnx
21
122221
n
pph
2 ,
duljina vlaka je određena preko vizura: L = 2nd /:d
.,, constpconstdL
Kpdpk
L
dpp
d
L
pp
h
hh
Težina visinske razlike obrnuto je proporcionalna duljini nivelmanske strane.
1.8.2.2. Težine visinskih razlika u trigonometrijskom nivelmanu
α – visinski kut
D – horizontalna duljina
l – visina signala
i – visina instrumenta
Težine duljine, visine instrumenta i
visine signala su vrlo male u odnosu na
težinu visinskog kuta, pa se mogu
zanemariti (pd = pl = pi = 0).
ph = ?
Analiza i obrada geodetskih mjerenja
24
funkcija:
Dtgh
ililDtgh
ihldtgD
ihltg
;
)(
totalni diferencijal:
dDdh2cos
1
pretpostavka: α je malen → cosα ≈ 1
2
21
D
Kp
pK
p
D
p
Dddh
h
h
U trigonometrijskom nivelmanu srednja pogreška visinske razlike proporcionalna je duljini, dok je
težina visinske razlike obrnuto proporcionalna kvadratu duljine nivelmanske strane.
1.9. Opća načela izjednačenja
1.9.1. Postupak izjednačenja
Mjerenja nekih veličina, kao što su pravci, kutovi ili duljine, nisu samo zato obavljena da se pomoću
njih dobiju procjene tih veličina, već se koriste za određivanje drugih veličina. Te tražene veličine
funkcijski su povezane s mjerenim veličinama.
Opća relacija koja povezuje tražene i mjerene veličine naziva se MODEL. U našem slučaju
MATEMATIČKI MODEL.
Nakon postavljanja modela potrebno je ustanoviti minimalni broj elemenata kojim je model
jednoznačno određen. Broj tih elemenata jednak je NEOPHODNOM BROJU MJERENIH
VELIČINA, no.
Nakon što se ustanovi no, opažač odabire koje će elemente mjeriti. Potrebno je mjeriti VIŠE
ELEMENATA od MINIMALNOG BROJA, odnosno moraju postojati prekobrojne mjerene veličine
nf, zato što moramo voditi računa o mogućim pogreškama mjerenja.
Mora vrijediti:
0 of nnn , gdje je n broj svih mjerenih veličina
Kada postoji nf, može se formirati nekoliko kombinacija elemenata s neophodnim brojem mjerenih
veličina no.
Analiza i obrada geodetskih mjerenja
25
Te kombinacije definiraju različite modele, ali se njihovi izlazni podaci odnose na iste veličine.
Između izlaznih podataka modela postojat će manje razlike koje nastaju zbog pogrešaka u mjerenjima.
POSLJEDICA: za ukupan broj svih mjerenih veličina n, model neće biti jednoznačno definiran.
Ova višeznačnost modela može se ukloniti tako da se umjesto vektora mjerenih veličina u model
uvrsti vektor korigiranih, odnosno popravljenih mjerenja.
Korekcijom svih mjerenih veličina no, jednoznačno će odrediti sve konačne rezultate dobivene
pomoću različitih modela.
VEKTOR POPRAVLJENIH MJERENJA zapravo je vektor izjednačenih vrijednosti mjerenih
veličina:
vll
gdje je:
l - vektor izjednačenih vrijednosti mjerenih veličina
l – vektor mjerenih veličina
v – vektor popravaka
3
.
.2
1
,
3
.
.2
1
,
.
.2
1
v
v
vv
L
L
Ll
nL
L
L
l
Vektor popravaka je nepoznat i treba ga izjednačenjem odrediti.
Samo će jedan vektor popravaka udovoljiti optimalnom rješenju. Za izbor optimalnog rješenja treba
utvrditi određen KRITERIJ.
U geodeziji taj kriterij je princip najmanjih kvadrata.
Postupak računanja vektora l po metodi najmanjih kvadrata naziva se RAČUN IZJEDNAČENJA.
1.10. Metoda najmanjih kvadrata
Izjednačenjem treba odrediti najbolje procjene, odnosno najvjerojatnije vrijednosti traženih veličina
(nepoznanica).
Konačne vrijednosti nepoznanica imati će najveće vjerojatnosti. Kada nepoznanice imaju najveću
vjerojatnost, pripadni popravci imati će također najveće vjerojatnosti.
Metoda najmanjih kvadrata eliminira VIŠEZNAČNOST modela!!
Diferencijalna vjerojatnost nekog popravka vi, uz pretpostavku εi = vi:
dvvvdP ii )()(
Primjenom Gaussovog zakona pogrešaka:
Analiza i obrada geodetskih mjerenja
26
22
2
2
1)( i
iv
e
ii
v
Popravci će imati najveće vjerojatnosti kada je produkt pojedinih vjerojatnosti maksimalan:
dP(v1)*dP(v2)….dP(vn) → Max
ili
Maxnv
dn
nvvv
e
ivuvrstivši
Maxdvn
vdvvdvv
n
n
,
)22
2
...22
2
22
21
2
21(
)2(...
1
)(:
)(...)2
(*)1
(
2/
21
Ovaj izraz imati će max, kad je eksponent min:
Min
n
nvvv
22
2
...22
2
22
21
2
21
kako je: 2i
k
ip
slijedi:
Minpvvpv
Minn
vn
pvpvp
2
2...222
211
osnovni princip
izjednačenja
Nedostaci:
- hipoteza da se pogreške iste veličine javljaju jednako često kao pozitivne i kao negativne, a ona se u
praksi samo djelomično ostvaruje
- standardno odstupanje je dogovorena mjera točnosti, pa cijeli izvod poprima empirijski karakter
OPĆI PRINCIP IZJEDNAČENJA:
MinvQtvPvtv 1 (matrica P definira stohastički/slučajni model jer su mjerenja stohastičke ili
slučajne veličine koje pripadaju normalnoj razdiobi)
Analiza i obrada geodetskih mjerenja
27
1.11. Cholesky - općenito
Postupak neodređenog rješavanja normalnih jednadžbi.
Invertiranje matrice koeficijentima normalnih jednadžbi.
Simetričnu matricu N rastavimo na trokutaste matrice:
kontrolaCetCNe
CetCCetC
CeeC
CtCN
.1
*
*
Ne - kontrolni vektor s početka
CtCe – novi kontrolni vektor
kontrolatCtCte
kontrolaCetCte
tCtetCte
ItCtC
.31)(*
.2
*
1)(
↓
dobit ćemo vektor jedinica
1)(
1)(*
1)(1
1)(1/*
tCCQ
tCICQ
tCCCCQ
CtCNQC
↓
prema ovom izrazu računa se Q!!
kontrola: eNeQ *
NOTA BENE: MATRIČNA ALGEBRA !! – naučiti za izvode!
AxyyAxAxy
baabba
AA
ABAB
ttttt
tttt
tt
ttt
)(
)(
)(
)(
Analiza i obrada geodetskih mjerenja
28
2. IZJEDNAČENJE DIREKTNIH MJERENJA
2.1. Uvod
Matematički model direktnih mjerenja je polazište za pripremu podataka izmjere koji se uključuju u
matematički model posrednih mjerenja (tzv. primarna i tzv. sekundarna računska obrada geodetskih
mjerenja).
2.2. Izjednačenje jedne tražene veličine („klasična direktna mjere nja“)
2.2.1. Određivanje najvjerojatnijih vrijednosti nepoznanica
Jedna tražena veličina, nepoznanica, mjerena je neposredno n puta.
Postojat će niz mjerenja: L1, L2, …, Ln.
Sva su mjerenja međusobno neovisna.
Najvjerojatnija vrijednost nepoznanice x dobit će se ako se pojedinim mjerenjima Li dodaju
odgovarajući popravci vi tj.:
x = Li + vi Uvođenjem približne vrijednosti nepoznanice xo, odnosno x = xo + δx, biti će prikraćena
vrijednost nepoznanice:
δx = x – xo, odnosno prikraćene vrijednosti mjerenja:
-li = xo - Li
Iz toga slijedi jednadžba popravaka za i-to mjerenje: vi = δx – li. Za sva obavljena mjerenja sustav jednadžbi popravaka biti će:
v = δx e – l n,1 n,1 n,1
Analiza i obrada geodetskih mjerenja
29
Sustavu jednadžbi popravaka općenito pripada odgovarajuća matrica težina P.
Popravke treba odrediti prema principu izjednačenja: vt P v → Min.
U pripadni izraz uvrstimo sustav jednadžbi popravaka:
Ovaj izraz imati će minimum ako je:
Konačno, tražena veličina (nepoznanica) je:
opća aritmetička sredina
Za neovisna mjerenja različite točnosti biti će P e = p (jer je matrica P dijagonalna). Tada je
nepoznanica težinska sredina:
Za neovisna mjerenja iste točnosti, matrica težina je jedinična matrica (P=I). Tada je nepoznanica
obična aritmetička sredina:
2.2.2. Kontrole pri izjednačenju 2.2.2.1. Kontrola najvjerojatnijih vrijednosti nepoznanica/popravaka Pomnoživši v = δx e – l slijeva sa e
t P dobije se:
slijedi iz e
t Pv = δx e
t P e - e
t P l =0 δx e
t P e = e
t P l
↓
δx et P e - e
t P l = 0
et Pv = 0 – kontrola računanja opće aritmetičke sredine
pt v = 0 – kontrola računanja težinske sredine
et v = 0 – kontrola računanja obične aritmetičke sredine
2.2.2.2. Kontrola izjednačenja Potrebno je kontrolirati veličinu v
t P v.
Izlučivanjem δx iz prva dva člana, a iz zadnja dva člana lt P dobije se:
prva zagrada jednaka je 0, a druga je jednaka v. Slijedi:
Analiza i obrada geodetskih mjerenja
30
2.2.2.3. Definitivna kontrola izjednačenja
xeL
2.2.3. Ocjena točnosti 2.2.3.1. Referentno standardno odstupanje λ – prava vrijednost
x – najvjerojatnija vrijednost
Uvođenjem približne vrijednosti nepoznanice xo, odnosno prikraćenih vrijednosti δλ, δx i li, može se
pisati sustav jednadžbi pravih pogrešaka:
→ sustav jednadžbi najvjerojatnijih pogrešaka
Oduzimanjem ovih dvaju sustava dobije se:
Pexv ...)(
Ovaj izraz se pomnoži slijeva s Pet:
PeexPvePe ttt )(
Kako je 0Pvet
Pee
Pex
t
t
Množimo izraz sa Pt , odnosno Pv t
PevxPvvPv
PexPvP
ttt
ttt
)(
)(
Zbrojivši ove izraze:
PevxPexPvvPvPvP tttttt )()(
Kako je 0Pveti 0Pev t
i PvPv tt izraz prelazi u oblik:
PexPvvP ttt
Kako je PePe tt dobije se:
PexPvvP ttt )(
U gornji izraz se uvrsti Pee
Pex
t
t
Plxev
Ple
...
...
Analiza i obrada geodetskih mjerenja
31
Dobije se: Pee
PePvvP
t
ttt
2)(
Zadnji član Pee
Pet
t 2)( razvijemo:
Pee
ppppppppp
Pee
ppp
Pee
Pe
t
nnnnnn
t
nn
t
t
)...(2...
)...()(
1131312121
222
2
2
2
2
1
2
1
2
2211
2
Prave pogreške εi imaju slučajni karakter, pa za n mjerenja suma mješovitih produkata εi εj teži nuli.
Označivši još 2
0
22 sspp iiii
Posljednji izraz poprima oblik:
2
0
21
2
0
2
02
2
012
...
...)(s
ppp
spspsp
Pee
Pe
n
n
t
t
i uvrstimo ga u
Pee
PePvvP
t
ttt
2)( te dobijemo:
2
o
tt sPvvP
Pvvssn
nPn
P
n
P
t
ttt
2
0
2
0
2
0
2
00
*
*
referentno standardno odstupanje u neovisnim mjerenjima različite točnosti
standardno odstupanje u neovisnim mjerenjima iste točnosti
standardno odstupanje pojedinog mjerenja za neovisna mjerenja različite točnosti
standardno odstupanje pojedinog mjerenja za neovisna mjerenja iste točnosti
2.2.3.2. Standardno odstupanje nepoznanica Kofaktor nepoznanice određuje se primjenom zakona o prirastu kofaktora na funkciju nepoznanice:
ss
s
p
ss
n
vvs
n
Pvvs
n
Pvvs
i
i
i
t
t
t
1
1
1
1
0
0
0
2
0
Analiza i obrada geodetskih mjerenja
32
težina opće težina težinske težina obične
aritmetičke sredine sredine aritmetičke sredine
Standardno odstupanje nepoznanica (nf = n-1):
standardno odstupanje opće aritmetičke sredine
standardno odstupanje težinske sredine
standardno odstupanje obične aritmetičke sredine
2.3. Izjednačenje višestruko mjerenog vektora
2.3.1. Određivanje najvjerojatnijih vrijednosti nepoznanica
Jedan nepoznati vektor mjeren je neposredno n puta. Treba odrediti najvjerojatnije vrijednosti
elemenata traženog vektora x koji se sastoji iz u veličina. Ove veličine mogu biti međusobno
neovisne ili čak ovisne.
Uvođenjem vektora približnih vrijednosti x0 biti će vektor prikraćenih vrijednosti 0xxx .
Pretpostavlja se da postoje samo dva međusobno neovisna mjerenja nepoznatog vektora:
1. mjerenje: 1
1112
0,1
1,1 ;
1; QPV
sQL
uuu
2. mjerenje: 1
2222
0,2
1,2 ;
1; QPV
sQL
uuu
Q – matrica kofaktora
P – matrica težina
V – matrica kovarijance
na osnovi prikraćenih mjerenja:
202
101 ,
Lxl
Lxl
dobit će se odgovarajuće jednadžbe popravaka:
222
111
.....
....
Plxv
Plxv
Princip izjednačenja:
Analiza i obrada geodetskih mjerenja
33
Diferenciranjem po x biti će:
Traženjem ekstrema:
Konačno je nepoznati vektor:
Ako je obavljeno n mjerenja:
2.3.2. Kontrole pri izjednačenju 2.3.2.1. Kontrola popravaka
2.3.2.2. Kontrola izjednačenja
2.3.2.3. Definitivna kontrola izjednačenja
2.3.3. Ocjena točnosti (nf = n-u)
2.3.3.1. Referentno standardno odstupanje
2.3.3.2. Točnost nepoznanica
Analiza i obrada geodetskih mjerenja
34
Kofaktor nepoznanica određuje se primjenom zakona o prirastu kofaktora na funkciju nepoznanica:
↓
standardno odstupanje komponenata vektora
2.3.3.3. Točnost pojedinog mjerenja
2.4. Dvostruka mjerenja
To su direktna mjerenja u kojima se nepoznata veličina mjeri dva puta, ali obavezno u suprotnim
smjerovima. (uklanja se dio pogrešaka vezanih za smjer mjerenja)
Postoji samo jedno prekobrojno mjerenje. (broj mjerenja je 2)
2.4.1. Određivanje najvjerojatnijih vrijednosti nepoznanica
2.4.2. Kontrole pri izjednačenju
vlvv
ve
tt
t
0
2.4.3. Ocjena točnosti Pri određivanju ocjene točnosti dvostrukih mjerenja postoji alternativa - ocjenu točnosti odrediti:
- pomoću popravaka mjerenja
Analiza i obrada geodetskih mjerenja
35
- pomoću razlike dvostrukih mjerenja ili tzv. nesuglasice dvostrukih mjerenja (u teorijskom pogledu to
je prava pogreška mjerenja)
2.4.3.1. Pomoću popravaka mjerenja v
standardno odstupanje mjerenja
standardno odstupanje nepoznanice
2.4.3.2. Pomoću nesuglasice dvostrukih mjerenja d d = L2 – L1
2
||
2
||
244
22
)(
2
2
22
)(
2
2
)(2
1
)(2
1
2222
2
2
1
12221
2
12121
1
22122
12111
ds
ds
dddvvvv
dLLLLLv
dLLLLLv
LLLLxv
LLLLxv
x
t
2.4.3.3. Ocjenjivanje nizova dvostrukih mjerenja Dvostruko je mjereno n veličina. Neka je λi prava vrijednost neke veličine, koja je dvostruko mjerena.
Tada je:
2211
2211
222212122
212111111
____________________
.........................................
ll
LL
LL
LL
rrrrr
Razlika dvostrukih mjerenja di po karakteru je prava pogreška, a određuje se kao:
Analiza i obrada geodetskih mjerenja
36
2121
2121
221222122
211121111
_____________________
...........................................
lld
LLd
LLd
LLd
rrrrr
222111
2
21
2
/
tttt dd
d
→0
2
2
2
1
2211 :/
ssn
dd
ndd
t
ttt
Zbog iste točnosti mjerenja u dva suprotna smjera, biti će s1 = s2 = s:
n
dds
n
dds
sn
dd
t
t
t
2
2
2
2
2
standardno odstupanje mjerenja
2.4.3.4. Standardno odstupanje najvjerojatnije vrijednosti
10
01
0
0
4
1
2
2
2
2
ss
sV
eVes
ll
ll
t
x
n
dds
ss
seVe
t
x
x
ll
t
2
1
2
1
2
22
2
standardno odstupanje najvjerojatnije vrijednosti neke veličine xi iz dvostrukih mjerenja
Analiza i obrada geodetskih mjerenja
37
3. IZJEDNAČENJE REGULARNIH POSREDNIH MJERENJA
3.1. Uvod
Regularno izjednačenje nastupa u slučaju kada je za određivanje nepoznanica unaprijed ili „a priori“
definiran referentni okvir u kojem se one izjednačenjem određuju.
Obavljanjem geodetskih mjerenja položaji nepoznatih točaka određuju se relativno u odnosu na
položaje već poznatih točaka. Funkcije omogućuju određivanje apsolutnog položaja. Mjerenja su
relativne veličine (ne ovise o referentnom sustavu). Nepoznanice su apsolutne veličine jer su ovisne o
referentnom sustavu.
Osnovna teorijska pretpostavka: međusobna neovisnost mjerenja. To znači da je matrica P isključivo
DIJAGONALNA matrica !!!
3.2. Određivanje najvjerojatnijih vrijednosti nepoznanica
3.2.1. Formiranje jednadžbi popravaka
Svako izjednačeno mjerenje iLfunkcija je najvjerojatnijih (izjednačenih) vrijednosti nepoznanica, tj.
),...,2,1(,...);,,( nizyxFvLL iiii
iL- izjednačene vrijednosti nepoznanica
iL- mjerenja
iF- eksplicitno definirana matematička funkcija linearna ili nelinearna
Funkcija Fi je općenito nelinearna.
Analiza i obrada geodetskih mjerenja
38
Veličine ai, bi i ci nazivaju se koeficijenti jednadžbi popravaka, a li je prikraćeno mjerenje.
Analiza i obrada geodetskih mjerenja
39
v - vektor popravaka
A - matrica koeficijenata jednadžbi popravaka
x - vektor prikraćenih vrijednosti nepoznanica
l - vektor prikraćenih mjerenja
P – matrica težina
Za n posrednih mjerenja pomoću kojega se određuje u nepoznanica, biti će konačno:
nnnuunnPlxAv,1,1,,1,
...
3.2.2. Formiranje normalnih jednadžbi Popravke mjerenih veličina treba odrediti prema principu izjednačenja v
t P v → Min
3.2.3. Rješenje normalnih jednadžbi Ako se sustav normalnih jednadžbi pomnoži slijeva s inverznom matricom N
-1, dobit će se rješenje:
Rješavanje sustava normalnih jednadžbi obavlja se primjenom tzv. postupka „neodređenog“
rješavanja jednadžbi (temelji se na invertiranju matrice koeficijenata)
Ne invertira se direktno matrica koeficijenata normalnih jednadžbi N.
Postupak rješavanja normalnih jednadžbi: algoritmom Cholesky.
Analiza i obrada geodetskih mjerenja
40
3.3. Kontrole
3.3.1. Kontrole sastava jednadžbi popravaka Ovisi o zadaći tj. funkciji mjerenja i nepoznanica. Veoma su opasne jer se otkrivaju tek nakon
obavljenog izjednačenja.
3.3.2. Kontrola sastava normalnih jednadžbi U sustavu jednadžbi popravaka može se uvesti vektor kontrolnih veličina s, tj:
lAes
Za svaku jednadžbu popravaka biti će kontrolna veličina:
iiiii lcbas
Analiza i obrada geodetskih mjerenja
41
Jednako se može uvesti i vektor kontrolnih veličina:
nNe
PlAPAeA tt
PsA
lAePA
t
t )(
PsAnNe t
Za svaku normalnu jednadžbu zbroj koeficijenata i apsolutnog člana mora biti jednak odgovarajućoj
komponenti vektora PsAt.
3.3.3. Kontrola rješavanja normalnih jednadžbi
sC
sCeCnCCe
sCeCnCCeCC
senCeCC
senNe
t
ttt
ttttt
tt
1
111
1111
1
)(
)()()(
)()()()(
/)(
3.3.4. Kontrola matrice kofaktora nepoznanica
ueIe
NeNe
eNNe
eQNe
eQNe
uu
t
t
tt
xx
tt
xx
t
,
1
1
)(
3.3.5. Kontrole računanja popravaka Ako se iz normalnih jednadžbi:
0 PlAPAxA tt
izluči PAt, dobije se
0
0)(
PvA
lAxPA
t
t
3.3.6. Kontrola izjednačenja – kontroliramo definiranje funkcija, sustava jednadžbi popravaka
Provodi se dvostrukim računanjem veličine Pvv t
a) na osnovu kontroliranih popravaka računa se veličina Pvvt
b)
Analiza i obrada geodetskih mjerenja
42
PvlPvv
lAxPlnNxxPvv
pllPAxlPlAxPAxAxPvv
tt
ttt
ttttttt
)()(
3.3.7. Definitivna kontrola – najvažnija! U cijelosti potvrđuje ispravnost računanja! Ako nije zadovoljila moramo obaviti izjednačenje ispočetka.
,...),,( zyxFvLL
FvLL
iiii
3.4. Ocjene točnosti
3.4.1. Referentno standardno odstupanje
Osnovni kriterij ocjene točnosti jest standardno odstupanje: n
Pt
o
S obzirom da se izjednačenjem određuju najvjerojatnije vrijednosti, referentno standardno odstupanje
računa se pomoću najvjerojatnijih popravaka.
f
tt
on
Pvv
un
Pvvs
,
Za P=I odnosno mjerenja iste točnosti referentno standardno odstupanje postaje standardno odstupanje
pojedinog mjerenja:
f
t
on
vvss
Standardno odstupanje pojedinog mjerenja:
i
o
ip
ss
3.4.2. Standardna odstupanja nepoznanica Standardna odstupanja nepoznanica su funkcije standardnih odstupanja mjerenja. Zbog toga
nepoznanice treba prikazati kao funkcije mjerenja i primijeniti zakon o prirastu kofaktora.
PlANx
PlAn
nNx
t
t
1
1
Primjenom zakona o prirastu kofaktora dobiva se:
1
11
11
111
111 )()(
NQ
NNN
PANAN
PANPPAN
PANPPANQ
xx
t
t
ttt
xx
Matrica kofaktora nepoznanica jednaka je inverznoj matrici koeficijenata normalnih jednadžbi.
Analiza i obrada geodetskih mjerenja
43
↓
standardna odstupanja nepoznanica
ili
jer
3.4.3. Standardno odstupanje funkcije nepoznanica
Uvođenjem približnih vrijednosti (xo, yo, zo)
I razvojem u Taylorov red:
Analiza i obrada geodetskih mjerenja
44
Primjenom zakona o prirastu kofaktora:
Standardno odstupanje funkcije nepoznanica:
NOTA BENE: npr. funkcija izjednačenih nepoznanica biti će duljina između dvije nepoznate točke
3.4.4. Standardno odstupanje izjednačenih mjerenja Izjednačena vrijednost svakoga pojedinog mjerenja računa se po izrazu:
PlAAQfl
PlAQx
Axfl
zcybxaFvl
vll
t
xxo
t
xx
o
iiioii
)(
Zakon o prirastu kofaktora:
t
xx
t
xx
t
xxxx
t
xx
t
xx
t
xx
t
xx
tt
xx
t
xx
AAQQ
ANNAQ
ANQAQ
APAQAAQ
APAQPPAAQ
PAAQPPAAQQ
1
1
1 )()(
Kontrola:
tr(PQ ) = tr( )() xx
tt
xx PAQAtrAPAQ
= uItrNNtruu
,
1 )()(
gdje je u broj nepoznanica.
Kofaktori matrice Q mogu se pisati i razvijeno (za tri nepoznanice):
zziyziiyyixziixyiixxiii qcqcbqbqcaqbaqaq 222 222 elementi dijagonale
Analiza i obrada geodetskih mjerenja
45
zzjiyzijjiyyjixzijjixyijjixxjiij qccqcbcbqbbqcacaqbabaqaaq )()()(
elementi van dijagonale
3.4.5. Standardno odstupanje položaja točke, nožišna krivulja i elipsa položajne točnosti Izjednačenjem po posrednim mjerenjima često se određuje položaj neke točke u ravnini na osnovi
mjerenih duljina ili pravaca. Tada je pored najvjerojatnijih vrijednosti koordinata poznata i pripadna
matrica kovarijance:
Elementi na glavnoj dijagonali matrice Vxx su standardna odstupanja određivanja položaja točke u
smjeru koordinatnih osi.
No, u mnogim zadacima u praksi potrebno je znati standardno odstupanje položaja točke u
povoljnom/proizvoljnom smjeru.
To standardno odstupanje može se izraziti rotacijom koordinatnog sustava, odnosno ortogonalnom
transformacijom.
Slika 3.4.4.1. Rotacija koordinatnog sustava
Analiza i obrada geodetskih mjerenja
46
Gdje je M ortonomirana matrica
Mt – modalna matrica od Vxx
V - spektralna matrica.
Svojstvene vrijednosti matrice Qxx određuju se iz karakteristične jednadžbe:
Svojstvene vrijednosti λ1 i λ2 određuju smjerove u kojima standardna odstupanja točke postižu
maksimalnu, odnosno minimalnu vrijednost. Označivši ta standardna odstupanja položaja točke:
- min. točnost položaja točke – max. standardno odstupanje
- max. točnost položaja točke – min. standardno odstupanje
biti će, prema zakonu o prirastu pogrešaka ( i su neovisne funkcije), standardno odstupanje
položaja točke u nekom proizvoljnom smjeru:
)(sin)(cos 22222 BAsd
Analiza i obrada geodetskih mjerenja
47
Slika 3.4.4.2. Nožišna krivulja i elipsa položajne točnosti (umjesto mx i my – sx i sy, umjesto mρ – sd)
Pomoću slike dobiva se:
Pomnoživši izraz )(sin)(cos 22222 BAsd sa
2
ds i uzimajući u obzir prethodne
oznake, biti će:
To je jednadžba nožišne krivulje.
Krivulja položajne točnosti (po Feilu: krivulja pogrešaka).
Ona se može aproksimirati elipsom:
gdje su A i B velika, odnosno mala poluos elipse.
Elipsa položajne točnosti (po Feilu: elipsa pogrešaka) je „invarijantna“ na promjenu koordinatnog
sustava, jer se svojstvene vrijednosti λ1 i λ2 ne mijenjaju rotacijom koordinatnog sustava.
Veličina naziva se standardno odstupanje položaja točke. Geometrijski to je
kružnica polumjera M opisana oko dobivenog položaja točke izjednačenjem.
Ova kružnica svakako je veća od kružnice položajne točnosti (po Feilu: kružnice pogrešaka) u koju
elipsa položajne točnosti prelazi kada je A=B, odnosno sx=sy.
R je srednja vrijednost pogreške točke.
Analiza i obrada geodetskih mjerenja
48
Helmertova elipsa pogrešaka (položajne točnosti!) – on ju je nazvao srednja elipsa pogrešaka, a
pravilnije ju je zvati centralna elipsa pogrešaka. To je najmanja elipsa. 0,39 vjerojatnosti da će se
prava vrijednost položaja točke nalaziti u toj elipsi.
MOHLEova elipsa – srednja elipsa pogrešaka: 0,63 vjerojatnosti za pravu vrijednost položaja točke.
Intervalu odgovara 0,68 vjerojatnosti. Poluosi: √ √
3.5. Redukcija jednadžbi popravaka metodom Gaussa
U praksi se često nepoznanica z (orijentacija kuta kod unutarnjih pravaca!) eliminira iz jednadžbi
popravaka. Na taj se način nalaze reducirane jednadžbe popravaka.
Najčešće se to izvodi Gaussovim postupkom.
Jednadžbe popravaka su:
gdje je:
z – prikraćena nepoznanica kuta orijentacije.
Reducirane jednadžbe popravaka biti će:
gdje je:
3.6 . Zajedničko izjednačenje pravaca i duljina (raznorodne jedinice mjere)
U nekim se geodetskim problemima i zadaćama javlja potreba zajedničkog izjednačenja kutnih i
linearnih mjerenja, jer su funkcije istih nepoznanica. Karakteristični je primjer izjednačenje
triangulacijsko-trilateracijske mreže, tj. mreže u kojoj je položaj točaka istovremeno određen
presjekom pravac i presjekom duljina. Dio mjerenja su kutne veličine (pravci), a dio mjerenja linearne
veličine (duljine), Kako bi se dimenzionalno različita mjerenja mogla izjednačiti u okviru istog
izjednačenja, potrebo je obaviti njihovu homogenizaciju.
Homogenizacija se obavlja pravilnim određivanjem i pridruživanjem težina pripadnim kutnim i
linearnim mjerenjima. Pri zajedničkom izjednačenju kutnih i linearnih mjerenja, u pripadnom sustavu
jednadžbi popravaka
temeljem odgovarajućeg grupiranja mjerenja, mogu se razlučiti dva podsustava:
Prvi odgovara kutnim, a drugi linearnim mjerenjima.
Analiza i obrada geodetskih mjerenja
49
Ako su sva kutna mjerenja ostvarena s istom točnošću (točnost je određena pripadnim standardnim
odstupanjem sk) težine mjerenja se uz povoljno definiranje konstante K (faktor proporcionalnosti)
određuju kao jedinične težine.
12
2
2
k
k
k
ks
s
s
Kp
Ako su sva linearna mjerenja ostvarena s istom točnošću (točnost je određena pripadnim standardnim
odstupanjem sd) težine mjerenja se uz prethodno već definiranu vrijednost konstante K (K=sk2)
određene izrazom:
2
2
2
d
k
d
ds
s
s
Kp
Pomoću težina formiraju se matrice težina koje odgovaraju kutnim i linearnim mjerenjima
obuhvaćenim sustavima jednadžbi popravaka:
1
...
1
1
...
k
k
k
p
p
p
kxn
kn
kP
i
d
d
d
ddp
p
p
xnnd
P...
d
d
dndxnd
d
nkxnkk
nxn
p
p
pP
P
P
...
1
...
1
1
Pomoću tih matrica formira se matrica težina koja se pridružuje sustavu jednadžbi popravaka.
Ukoliko je svako pojedino kutno i linearno mjerenje određeno različitom točnošću, istovjetnim se
postupkom određuju pripadne težine, uz pogodno definirane konstante.
pa se sustavu jednadžbi popravaka pridružuje matrica težina:
Analiza i obrada geodetskih mjerenja
50
3.7. Primjena izjednačenja posrednih mjerenja
**NOTA BENE:
VANJSKI PRAVAC – mjereni pravac sa dane točke na traženu točku.
UNUTARNJI PRAVAC – mjereni pravac sa tražene točke na danu točku
Navedeni pravci su JEDNOSTRANI.
OBOSTANI PRAVAC – ako je mjeren pravac sa dane točke na traženu točku i obrnuto.
kutovi nisu neposredno mjerene veličine, već funkcijski određeni preko pravaca:
često se u matematički model posrednih i uvjetnih mjerenja kao neposredno (direktno) uvode veličine
koje to nisu (teorijski nije ispravan, ali omogućava brže rješavanje geodetskih zadaća)
Analiza i obrada geodetskih mjerenja
51
Analiza i obrada geodetskih mjerenja
52
Analiza i obrada geodetskih mjerenja
53
Analiza i obrada geodetskih mjerenja
54
DRUGA KONTROLA:
Analiza i obrada geodetskih mjerenja
55
Analiza i obrada geodetskih mjerenja
56
4. IZJEDNAČENJE UVJETNIH MJERENJA
4.1. Uvod
Nepotrebne su nam informacije o referentnom koordinatnom sustavu za izjednačenje.
Položaj točaka određuje se nakon izjednačenja odgovarajućim analitičkim metodama.
Nedostatak uvjetnih mjerenja je nemogućnost određivanja nepoznanice u okviru izjednačenja.
4.2 . Određivanje najvjerojatnijih vrijednosti mjerenja
4.2.1. Formiranje uvjetnih jednadžbi
Svakom mjerenju treba dodati popravak, da bi se poništile nesuglasice u uvjetima i udovoljilo principu
izjednačenja vt P v.
Izjednačena vrijednost mjerenja jednaka je zbroju mjerene vrijednosti i popravaka:
iii vLL
Analiza i obrada geodetskih mjerenja
57
Izjednačene vrijednosti mjerenja moraju zadovoljiti određene matematičke uvjete:
Postavljeni uvjeti mogu biti linearni ili nelinearni. Ako nisu linearni, treba ih linearizirati. Uvrstivši
iii vLL u gornji izraz, nakon razvoja u Taylorov red:
Označivši koeficijente uvjetnih jednadžbi:
i nesuglasice uvjeta:
konačno su linearne uvjetne jednadžbe:
Označivši nadalje:
Analiza i obrada geodetskih mjerenja
58
4.2.2. Formiranje korelatnih jednadžbi
Popravci moraju udovoljiti princip izjednačenja i ukloniti sve nesuglasice u mjerenjima.
Lagrange-ova funkcija sadržava kao prvi član princip izjednačenja vtPv i sustav uvjetnih jednadžbi
pomnožen s nepoznatim faktorima (Lagrangeovi multiplikatori ili korelate).
Vektor korelata:
Lagrange-ova funkcija:
Ova funkcija imati će minimum kada je:
Transponiranjem i množenjem ovog izraza sa P
-1 = Q dobit će se sustav korelatnih jednadžbi:
v i k je nepoznato.
Broj korelatnih jednadžbi jednak je broju mjerenja.
Analiza i obrada geodetskih mjerenja
59
4.2.3. Formiranje normalnih jednadžbi
Ako se u sustav linearnih uvjetnih jednadžbi uvrsti sustav korelatnih jednadžbi:
4.2.4. Rješavanje normalnih jednadžbi
Ako se sustav normalnih jednadžbi pomnoži slijeva s inverznom matricom N-1
, dobit će se rješenje
normalnih jednadžbi:
Prema tome, ponovno treba koristiti postupke neodređenog rješavanja normalnih jednadžbi.
Shema rješavanja normalnih jednadžbi prema algoritmu Choleskog:
4.3. Kontrole pri izjednačenju uvjetnih mjerenja
4.3.1. Kontrola sastava uvjetnih jednadžbi
Opći postupak za kontrolu sastava i lineariziranja uvjetnih jednadžbi u pojedinim zadacima
izjednačenja uvjetnih mjerenja ne postoji. Zbog toga treba pažljivo odabrati i sastavljati uvjete.
Analiza i obrada geodetskih mjerenja
60
Ukoliko se u izjednačenje uključi i jedan ovisan uvjet, pripadna korelata biti će jednaka nuli. Za velike
sustave uvjetnih jednadžbi linearizacija se može kontrolirati pomoću fingiranih popravaka:
v' = 1 (dimenzija nesuglasice).
Fingirana „izjednačena“ mjerenja tada su: ''
iii vLL
Uvršetenjem u uvjetne jednadžbe i nakon razvoja u Taylorov red:
rjvL
vL
vL
LLLLLL n
n
jjj
njnj ,...,2,1,'....''),....,,(),...,,( 2
2
1
1
21
''
2
'
1
Neka je '''
2
'
1 ),...,,( jnj LLL
odnosno:
1
...
1
1
'
...
'
'
',
'
...
'
'
'2
1
nr
b
a
v
v
v
ev
Konačno je:
'' vAt
Kontrola se provodi tako da se u uvjetne jednadžbe uvrste vrijednosti ''
iii vLL . Na taj način
dobivene (fingirane) nesuglasice treba usporediti sa aa , bb itd…
4.3.2. Kontrola sastava normalnih jednadžbi
Vektor kontrolnih veličina uvjetnih jednadžbi:
Vektor kontrolnih veličina normalnih jednadžbi:
Kontrola se sastoji u tome da se pomoću vektora kontrolnih veličina uvjetnih jednadžbi računa vektor
AtQs koji mora biti jednak vektoru kontrolnih veličina normalnih jednadžbi. Zbroj koeficijenata
pojedine normalne jednadžbe jednak je odgovarajućoj komponenti vektora AtQs.
4.3.3. Kontrola rješavanja normalnih jednadžbi
sCeCC
sNe
tt
/)( 1
Analiza i obrada geodetskih mjerenja
61
sC
sCCCe
sCCCeCC
t
tt
tttt
1
11
111
)(
)()(
)()()(
4.3.4. Kontrola računanja popravaka
→ iz 0
0
QAkA
Nk
t
4.3.5. Kontrola izjednačenja
Kontrola se provodi dvostrukim računanjem veličine vtPv.
a) na osnovi kontroliranih popravaka računa se veličina vtPv
b) Uvrstivši korelatne jednadžbe u veličinu vtPv:
4.3.6. Kontrola izjednačenih mjerenja = definitivna kontrola Sastoji se u ponovljenom formiranju postavljenih uvjeta pomoću izjednačenih mjerenja Li. Svi uvjeti
moraju biti potpuno zadovoljeni [ 0 ].
4.4 . Ocjene točnosti
4.4.1. Referentno standardno odstupanje
4.4.2. Standardno odstupanje pojedinog mjerenja
4.4.3. Standardno odstupanje izjednačenih mjerenja
)(0 vlll
l - vektor izjednačenih vrijednosti mjerenja
l0 – vektor približnih vrijednosti mjerenja
l – vektor prikraćenih vrijednosti mjerenja
v – vektor popravaka
Analiza i obrada geodetskih mjerenja
62
Uvrštavanjem korelatnih jednadžbi
QAkv
rješenja normalnih jednadžbi odnosno korelata
1 Nk
te lineariziranjem nesuglasica:
lAt 0
u početni izraz dobiva se:
)( 0
1
0 lAQANlll t
Označivši:
0
1
000 QANll
Biti će:
lAQANIll t )( 1
00
Primjenom zakona o prirastu kofaktora dobiva se:
QAQANQQ
QAQANQAQANQAQANQQ
QAQANAQANQAQANQAQANQQ
QAANIQAQANIQ
AQANIQAQANIQ
t
ttt
tttt
tt
ttt
1
111
1111
11
11
)()(
)()(
Traženi kofaktori izjednačenih mjerenja nalaze se na glavnoj dijagonali matrice Q :
¸
Kontrola kofaktora:
Kako je PQ=I:
)()( 1
,
QANAtrtrIQPtr t
nn
odnosno:
Analiza i obrada geodetskih mjerenja
63
4.5. Primjeri
Prilikom izjednačenja trigonometrijskih ili nivelmanskih mreža najčešće se koriste: figurni uvjeti,
uvjeti horizonta i sinusni uvjeti i stajališni uvjet. Svi uvjeti moraju biti međusobno neovisni, a uvjetne jednadžbe linearne.
** Zašto nije moguće postaviti uvjet horizonta ako su mjereni pravci?
Ako su na nekom stajalištu mjereni pravci, uvjet horizonta je uvijek zadovoljen!!
Ako se na gornjoj slici označe pravci sa L1, L2, L3 i L4
(L2-L1)+(L3-L2)+(L4-L3)+(L1-L4)=360°
L2-L1+L3-L2+L4-L3+L1-L4=360° 0 = 360°
Analiza i obrada geodetskih mjerenja
64
FORMIRANJE SINUSNOG UVJETA:
Svaki član ovog izraza može se posebno linearizirati razvojem u Taylorov red:
Označivši:
Koeficijenti i su promjene logaritma sinusa pri promjeni kuta za 1'' (partes proporcionales).
Ako je kut 90i ; i je pozitivan
Ako je kut 90i ; i je negativan
Izvod za partes proporcionales:
Nakon uvrštavanja u izraz
43429,0log10ln
1
*''
sinlog
''*sin*10ln
cossinlog)'sin(log
e
vctgLL
vL
LLL
iii
i
i
i
ii
Analiza i obrada geodetskih mjerenja
65
Označivši nesuglasicu:
Konačno je uvjetna jednadžba:
Analiza i obrada geodetskih mjerenja
66
Analiza i obrada geodetskih mjerenja
67
5. IZJEDNAČENJE SINGULARNIH POSREDNIH MJERENJA
5.1. Uvod
RANG matrice (r) - broj međusobno neovisnih vektora
RANGDEFEKT / DEFEKT MATRICE (d) – broj međusobno ovisnih vektora
Kod POSREDNIH: neovisni stupčani vektori. U matematičkom smislu to znači da se niti jedna
nepoznanica ne može matematički izraziti linearnom kombinacijom preostalih nepoznanica
(nepoznanice su međusobno neovisne)
Temeljna razlika između singularnog i regularnog izjednačenja posrednih mjerenja je u
nedefiniranosti referentnog sustava u kojem se određuju nepoznanice. Matematički gledano to se
očituje u linearnom funkcijskom modelu, odnosno jednadžbama popravaka kao linearna ovisnost
stupčanih vektora matrice A (defekt ranga), odnosno linearna ovisnost nepoznanica.
Pošto se defekt ranga prenosi na matricu N, javlja se njena singularnost, te time i nemogućnost
primjene klasične inverzije. Zbog toga se izjednačenje zove singularno, a defekt ranga matrice A se
zove defekt datuma.
Referentni koordinatni sustav nije definiran kada nije poznat prostorni položaj njegovog ishodišta,
usmjerenja koordinatnih osi i mjerilo duž osi.
Kod singularnog izjednačenja, referentni sustav se određuje u sklopu izjednačenja.
Ako referentni sustav nije definiran (singularno), moguće ga je geometrijski dovesti u niz različitih
položaja u odnosu na geodetsku mrežu koristeći karakteristične stupnjeve slobode gibanja (translacija,
rotacija, mjerilo).
Ti stupnjevi ovise o: dimenzijama koordinatnog sustava, vrsti mjerenja u geodetskoj mreži…
Kako bi postavili funkcijski model za singularno izjednačenje, moramo barem približno odrediti
referentni sustav, a to se radi određivanjem približnih vrijednosti svih nepoznanica.
Analiza i obrada geodetskih mjerenja
68
S obzirom na vrstu i karakter nepoznanica (geometrijske/fizikalne veličine), u pravilu su uvijek
poznati vrsta i svojstva referentnog sustava kojem padaju te broj neophodnih parametara koji
referentni sustav određuju, tzv. parametri datuma.
Analiza i obrada geodetskih mjerenja
69
5.2. Svojstvene vrijednosti i svojstveni vektori
Za kvadratnu matricu A, dimenzije nxn, treba odrediti vektor s (različit od nule) i skalar λ tako da je:
sAs
Navedeni zadatak naziva se „problem svojstvene vrijednosti“.
nnnn
n
n
aaa
aaa
aaa
IA
sIA
...
...........
...
...
)(
0)(
21
22221
11211
- karakteristična matrica.
Izraz 0)( sIA ima rješenje 0s za:
0)det( IA - karakteristična jednadžba
Ta jednadžba ima n korijena, pa svaka kvadratna matrica, dimenzije nxn posjeduje n svojstvenih
vrijednosti λi (i=1,2,…,n).
Samo za ove korijene λi problem svojstvene vrijednosti imat će rješenja 0s . Vektori si (i=1,2,…,n)
nazivaju se svojstveni vektori. Svaka svojstvena vrijednost λi daje sistem homogenih jednadžbi kojima
se određuju vektori s.
Uvrštavanjem pojedinih korijena λi u izraz 0)( sIA nalazi odgovarajući vektor s':
0')( sIA
Karakteristična matrica )( IA je singularna, a njezin rang može biti različit.
Analiza i obrada geodetskih mjerenja
70
Ako je rang jednak (n-1), svojstveni vektor s' neće biti određen po duljini, već samo s izvjesnim
faktorom proporcionalnosti.
Ako je s' neko rješenje, biti će također i rješenje k*s' (k je faktor proporcionalnosti).
Zbog toga se može uvesti uvjet da svojstveni vektor bude normiran na duljinu a:
''
'
ss
ss
t
Sve svojstvene vrijednosti tvorit će spektralnu matricu:
n
nn
2
1
,
a svojstveni vektori modalnu matricu:
nnn
ssss ...21,
„Problem svojstvene vrijednosti“ može se i definirati:
1
;detdet
SSA
trtrAA
SAS
SASiz
SSA
SSISSISS
t
ttt
:
;; 1
proizlazi:
ASS
ASS
t
1
(jer jetSS 1)
nadalje:
tSSA
SSA
SSA
11
111
11 /
(jer jetSS 1)
Konačno: spektralno rastavljanje matrice A: t
nnn
tt ssssssA ...222111
Dakle, matrica A se može rastaviti na sumu dijadnih produkata svojstvenih vektora, koji svi imaju
rang 1.
Analiza i obrada geodetskih mjerenja
71
5.3. Opća inverzija
Analiza i obrada geodetskih mjerenja
72
5.4. Defekt konfiguracije
Ova vrsta defekta nastaje kada obavljena mjerenja geometrijski nisu dostatna za određivanje svih
nepoznanica (koordinata) u mreži.
Ovaj problem nema praktično značenje ako je u mreži moguće ostvariti ponovljena mjerenja, čime će
ova vrsta defekta biti potpuno eliminirana.
5.5. Defekt datuma
Ako su za neku mrežu poznati samo podaci mjerenja, bez uključivanja apsolutnih veličina (datuma),
tada će broj stupnjeva slobode ovisiti o vrsti i dimenziji mreže.
PROBLEM: uklapanje točaka jedne mreže u neku drugu mrežu
RJEŠENJE: Helmertova transformacija.
5.6. Helmertova transformacija
Točke lokalne mreže treba uklopiti u neku drugu mrežu višeg reda. Ako postoji više od dviju
identičnih točaka u oba sustava, tada se parametri transformacije mogu odrediti izjednačenjem.
Dimenzije, struktura i pojedini elementi matrice G poznati su i određeni funkcijskim modelom
posrednih mjerenja kod Helmertove transformacije, primijenjene na istu geodetske mrežu na koju se
odnosi i matrica N.
Analiza i obrada geodetskih mjerenja
73
t - broj točaka sadržan u geodetskoj mreži
gi' – svojstveni vektori matrice N
xior
, yior
, Hior
– približne koordinate točaka mreže, reducirane u odnosu na težište matrice
5.7. Izjednačenje slobodnih mreža
Slobodna mreža je mreža u kojoj ni za jednu točku nisu poznate koordinate odnosno nadmorske
visine. Međusobni položaji točaka su određeni samo na osnovi mjerenja, odnosno relativnih veličina.
Matrica N je singularna.
Klasičan postupak pri izjednačenju slobodnih mreža po posrednim mjerenjima sastoji se u tome da se
ukloni defekt mreže. Tako u mreži u kojoj su mjereni samo pravci, dvije točke proglasit će se danim
točkama s poznatim koordinatama. Ove točke neće biti popravljene po koordinatama, a standardna
odstupanja koordinata tih točaka biti će jednake nuli. Eliminacijom defekta mreže matrice
koeficijenata normalnih jednadžbi postat će regularna.
Izbor danih točaka je proizvoljan u postupku izjednačenja. Različitim izborom danih točaka dobit će se
različita rješenja normalnih jednadžbi. Zbog toga treba utvrditi koje su veličine ovisne odnosno
neovisne o izboru danih točaka. Neovisne su sve veličine koje se odnose na mjerenja: popravci v,
referentno standardno odstupanje i sve ocjene točnosti mjerenja.
Vektor rješenja x i pripadna matrica kofaktora Qxx ovise o izboru danih točaka.
Elipse položajne točnosti za pojedine točke mreže, također će ovisiti o izboru danih točaka.
Novi postupak izjednačenja u kojemu se sve točke mreže tretiraju kao nepoznate. svaka točka dobiva
popravke i računaju se standardna odstupanja koordinata. Ukoliko se radi o trigonometrijskoj mreži,
nepoznanice orijentacije treba eliminirati iz jednadžbi popravaka.
Analiza i obrada geodetskih mjerenja
74
Sustav jednadžbi popravaka:
1,1,,1,*
nssnnlxAv …..P
Matrica A nije regularna po stupcima.
Normalne jednadžbe:
PlAnPAANnxN tt
sssss ;;0*
1,1,1,,
Matrica N je singularna (detN=0).
Normalne jednadžbe se rješavaju Moore-Penroseovom pseudoinverzijom N+.
Ako se vektori matrica A normiraju na duljinu 1, bit će sistem svojstvenih vektora, koji se označuje
matricom G.
Slijedi:
0xGt
Matrica G je jedan od mogućih grupa svojstvenih vektora.
Biti će po općoj inverziji (vidi poglavlje 5.3.)
nQx
GGGGNQ
GGMN
GGNM
xx
tt
xx
t
t
1
1
)(
Za kontrolu mora biti: AG = 0, Gt n = 0, jer je N G = 0. Također i Qxx G = 0.
Pri ocjeni točnosti, odnosno računanju referentnog standardnog odstupanja, biti će:
n – broj mjerenja
u – broj nepoznanica; u = s - d + broj eliminiranih nepoznanica orijentacije.
Analiza i obrada geodetskih mjerenja
75
5.8. Primjeri
Analiza i obrada geodetskih mjerenja
76
Analiza i obrada geodetskih mjerenja
77
NOTA BENE:
NOTA BENE: Ako je riječ o 3D mreži u kojoj NISU mjerene duljine, matrica G će imati svih 7
stupaca! Odnosno sve stupnjeve slobode gibanja: 3 translacije, 3 rotacije i promjenu mjerila !!
Analiza i obrada geodetskih mjerenja
78
6. LITERATURA
Feil, L: Teorija pogrešaka i račun izjednačenja – prvi dio
Feil, L: Teorija pogrešaka i račun izjednačenja – drugi dio
Rožić, N.: Računska obrada geodetskih mjerenja PREDAVANJA u PDF-u
Rožić, N.: Računska obrada geodetskih mjerenja (PLAVA KNJIGA)