Zastosowanie Robust Estimation do analizy korekty w sieciach geodezyjnych z wartościami odstającymi w oryginalnych punktach kontrolnych

Abstrakt

W dziedzinie analizy danych, metoda najmniejszych kwadratów była podstawowym podejściem przy radzeniu sobie z pomiarami zawierającymi
błędy losowe. Jednak ta metoda pokazuje swoje ograniczenia w obliczu rzeczywistych danych, które oprócz błędów losowych
często zawierają błędy grube. Te błędy grube mogą znacznie zniekształcić wyniki, prowadząc do nieprecyzyjnych wniosków, jeśli nie zostaną
odpowiednio uwzględnione. W odpowiedzi na to wyzwanie, Robust Estimation pojawiła się jako skuteczna metoda radzenia sobie
z błędami grubymi. W przeciwieństwie do tradycyjnych metod, Robust Estimation jest zaprojektowana tak, aby była mniej wrażliwa
na wartości odstające w danych, dostarczając bardziej niezawodne i precyzyjne oszacowanie poprzez zmniejszenie wpływu błędów grubych
na końcowy wynik. Jedną z kluczowych cech Robust Estimation jest jej elastyczność. Wynik każdej metody Robust Estimation ma
wpływ przez wybór jej funkcji wagowej, co pozwala dostosować metodę do specyficznych cech danych. Ten artykuł stosuje zasady Robust
Estimation do analizy sieci geodezyjnych, które często zawierają błędy pierwotnych danych. Robiąc to, ma na celu dostarczenie bardziej
precyzyjnej i niezawodnej analizy tych sieci, przyczyniając się do ich lepszego wykorzystania i zarządzania.