序贯平差
搞懂分批递推中参数与协方差阵的递推公式,清楚精度如何逐级传递与收敛
按 空格/→ 演示下一步
全部页面点击任意一页,跳回舞台从这页播放
序贯平差
搞懂分批递推中参数与协方差阵的递推公式,清楚精度如何逐级传递与收敛
什么是序贯平差
平差的核心是解法方程,但工程观测很少一次性到齐:隧道单向掘进一段、桥梁悬臂施工一段,每完成一段就送来一批新数据。能不能让计算也跟着分段推进?这就是序贯平差的出发点。
首付=首批观测给出粗估值;月供=后续批次逐次递推;房款付清=等价于整体平差
为什么需要序贯平差
经典平差每加一批新数据都得从头全部解算一遍——观测源源不断涌来时,这既不现实也撑不住。序贯平差正是为破解这种困境而生。
每天只记新账叠加到余额上,不必翻全部流水重算总账
整体平差 vs 序贯平差
它们都估计同一组参数,混淆点在于数据何时进入计算,以及已得结果能否复用。
- 一次汇集全部观测,统一列方程
- 一次解出全部未知数,避免递推维护
- 需保存全量观测与大型矩阵
- 数据一次到位时结果整体一致
- 逐批加入观测,复用上批结果
- 由旧结果递推,避免重复求解
- 主要处理当前批次与递推历史量
- 数据持续到位时更新灵活但管理更复杂
新增观测值的处理方式
上一页我们看到整体平差要重算、序贯平差能递推。本页拆开看:当一批新观测值到来时,这两条路分别怎么走,为什么递推的结果和一次性平差完全等价。
整体平差=旧作业也重改;序贯平差=只改新作业,旧分数继续用
序贯平差的基本原理
前页讲了整体和序贯的差别,那「分批」到底怎么分?诀窍只有一句——先做第一批,把它当第二批的起点。
第一棒成绩+位置即第二棒起跑条件——接过棒再跑,不重跑全程
递推公式推导(一)
从整体平差出发,把两批观测值的贡献拆开。
递推公式推导(二)
把已知的旧法方程解作为起点,对叠加后的整体法方程做分离与消元,最终推出改正数的递推式。
递推公式的矩阵形式
左侧两个输入汇成右侧三步递推:协因数阵、参数改正数、方差因子,输出本轮完整结果。
结果一致性证明
递推公式能算,但和一把算的整体平差是否真等号?这页绕过 Sherman-Morrison,只从 x̂₁ 的定义出发,一步恒等变形把整体解拆成「老解 + 修正」——两套路径殊途同归。
一次还清 vs 分两笔还,账户余额相同;算法不同,结果相同
精度评定的意义
前面我们推导出序贯平差的递推公式并证明了新旧结果一致。但算出来就能直接用吗?测绘员拿到坐标后还会追问:这个点位到底有多准?误差范围多少?——这就是精度评定要回答的问题。
体检不光给指标数值,还标参考范围和异常等级;平差给坐标,精度评定给这份坐标的可信范围
单位权方差递推公式
单位权方差 σ̂²₀ 随观测累加而更新,核心是残差平方和与多余观测数的代数累加。
协方差阵递推公式
从递推解出发,用误差传播律一步步推出参数协方差阵怎么随观测更新。
精度评定流程图
从已有平差结果出发,看新增观测如何逐级更新三项精度指标。
实例一:简单水准网
前面推完了递推公式,又证了它和整体平差等价——看起来都对。但到底怎么落地?我们拿最简单的水准网走一遍。
每加一勺盐(一个观测),菜的味道(平差结果)随之微调,不必回炉重做
实例一:完整平差过程
完整序贯平差四步走:先拆数据,再逐批吸收,最后核对结果。
实例二:变形监测
实例一用单期水准网走通了序贯平差。但它真正的主战场在变形监测——大坝、桥梁、滑坡体每隔几周就要重测一遍,每期都跑整体平差代价太高。
每次体检只查新指标,对比首次基础报告,不必重查全部历史
多期监测递推示意
多期监测数据的递推更新关系图
序贯平差算法要点
序贯平差的核心是『递推更新』——每加入一批新观测,只对本期小矩阵求逆,避免反复重解整体法方程。
递推结构避免每期重解整体法方程:首期经典最小二乘定初值,之后每期仅需计算小矩阵 K(增益),用新息 l-Ax 修正参数 x 与协因数阵 Qx。
知识点总结
- ✓本质:用旧平差作先验,新观测作增量,逐期递推更新
- ✓核心:新参数=旧参数+增益×新残差,与卡尔曼同构
- ✓等价性:序贯结果与整体平差在最小二乘下严格一致
- ✓精度跟踪:单位权方差与协方差阵同步递推
- ✓工程优势:适合变形监测、实时定位、分期建设
自测题
序贯平差中,增益矩阵 K 将「新观测残差」映射为对旧估值的修正量。关于 K 的本质,理解正确的是:
课后思考
先独立思考,再对照参考答案——三个层次:回顾、应用、迁移。
参考答案旧法方程存储了历史信息矩阵;新增观测相当于在其上叠加增益。继承即信息累加,不是简单拼接。
参考答案序贯要求观测顺序连续。跳过一期等价于丢弃该期信息矩阵增量;若补回需重新构建累积信息阵。
参考答案两者都按'预测—更新'递归。序贯平差参数不随时间变化;卡尔曼滤波状态量随机游走,且需预测步。