摘要：可靠性是测量网优化设计和数据质量控制要考虑的重要因素之一。在独立观测情况，测量网的可靠性可用多余度（或称多余观测分量）来表示。多余度越小，该观测位置的可靠性越差。但在相关观测情况，多余度的值域超出［０，１］区间，已不能反映可靠性特征。本文建议采用一种新的可靠性度量指标：γｉ＝ （ Ｐ Ｒ）ｉｉ／ｐ ｉｉ，其中 Ｐ 是观测权阵， Ｒ 是平差因子阵。γｉ 的值域在［０，１］区间，γｉ 越小，该观测位置的可靠性越差。本文认为，通常包含在内部和外部可靠性指标中的非中心参数 λ０，由主观选择的弃真概率 α０，检验功效β０ 以及模型误差个数ｂ０ 决定，且一经选定，λ０ 是常数，因此可靠性指标可不考虑 λ０ 因子。系统的可靠性完全由 Ｒ 和 Ｐ 决定。本文论证，新的指标 γｉ 是一种统一的指标，既适于独立观测，也适于相关观测；还可将内部和外部可靠性统一起来。最后对三个算例的有关指标进行了分析比较。

摘要：相关观测的异常值检测是测量数据处理的难题之一。在系统总结和分析前人研究成果的基础上,运用贝叶斯统计推断理论,提出了相关观测异常值检测的贝叶斯方法。首先,基于识别变量的后验概率,提出了相关观测异常值定位的贝叶斯方法;然后设计和构建了计算后验概率的吉布斯抽样方法,基于最大后验估计原理,推导和建立了计算异常值参数的贝叶斯公式;最后对某GPS网相连进行了计算和分析。结果表明,在相关观测条件下,使用新方法能够对多个异常值同时进行检测,有效地消除异常值的不良影响。

摘要：回归预测模型是对传统回归模型的进一步扩展,不仅涉及回归模型的固定参数估计,而且将模型预测纳入平差的部分内容,更加符合实际解算需求。针对在回归模型预测中经常出现待预测非公共点(自变量)含有观测误差和随机模型不准确的问题,基于EIV(errors-in-variables)模型提出了一种同时顾及所有变量观测误差的整体解法。同时,将方差-协方差分量估计方法引入回归预测模型解算中,以修正随机模型与待预测非公共点的先验协因数阵,并推导了相关计算公式和迭代算法。算例试验表明,该方法能够有效估计各类观测数据的方差分量,为获取更合理的参数估计与更高的模型预测精度提供了可行手段。另外,通过设计多种对比方案可知,该方法的预测效果较好,尤其是针对观测数据与系数矩阵中随机元素之间存在一定相关性的情况。