Microsoft Word Viewer 97 - 000_kapitola - Geomatika na ZÄU v Plzni
Microsoft Word Viewer 97 - 000_kapitola - Geomatika na ZÄU v Plzni Microsoft Word Viewer 97 - 000_kapitola - Geomatika na ZÄU v Plzni
TTT2A PAdx+ A PL + A PL = 0A T PAdx+ AT PL = 0které nazýváme normální rovnice. Hledané neznámé přírůstky pak jsouV této rovnici se často zavádídxT −1 T( A PA) A PL= −(4.4.3)kdeTA PA = N{(4.4.4)k×kN = Q−1{ xxk×k(4.4.5)je matice váhových koeficientů hledaných neznámých přírůstků d x . Jednotková střední chybam1T[ ( n − k ] 20= Pv )a střední chyby vyrovnaných neznámých resp. jejich přírůstků jsouv (4.4.6)mdxm0= Q(4.4.7)i xx iikde( Q Q L Q L Q )Q xx = diag xx11xx22xx ii xx kk(4.4.8)Střední chybu mffunkce přímo měřených veličin jakož i střední chybu mFfunkcevyrovnaných neznámých zjistíme podle vztahů v kap. 4.2.1. Střední chyba funkcevyrovnaných neznámých je vyjádřena rovnicíTm 2 2F= m F Q F(4.4.9)0která je rozepsaná pod čarou ∗) .Kontrolně následuje výpočet rovnic počínaje rov. (4.2.12) event. včetně sigmovýchzkoušek.xx∗) Je2mF2mF2mF2= m02= m0⎛⎜⎝∂F∂x1⎡⎛⎢⎜⎢⎣⎝⎛k ∂F= ∑=⎜i 1 ∂x i⎝∂F∂x1L⎞⎟⎠2mdxi∂F∂xk⎛⎜⎞⎟⎜⎜⎠⎜⎝Q xx +11⎞⎟⎠2Q xx110⎛⎜⎝M0∂F∂x2⎞⎟⎠20Q xx22M0Q xx22+⎛ ∂F⎞⎛ ∂F⎞⎜ ⎟⎜ ⎟0 ⎞⎜∂x1 ⎟⎜ ∂x1 ⎟⎟⎜∂F⎟⎛⎞⎜ ∂F⎟0 ⎟⎜⎟ 2 ∂F∂F⎜⎟⎜⎟⎟ ∂x= m Q⎜ ⎟xx L Q xx∂xM 2 0⎝∂x11 ∂xkk⎠⎜2 ⎟⎟⎜M1k⎟⎜ MQ xx⎟kk ⎠⎜∂F⎟⎜∂F⎟⎝∂xk ⎠⎝∂xk ⎠2⎛ ⎤∂F⎞L + ⎜ ⎟ Q ⎥xx a zavedením rov. (4.4.7) je a tedy⎝∂xkkk ⎠ ⎥⎦LLOLpro případ, že je matice Q xx diagonální.71
Vyrovnání podle zprostředkujících pozorování/měření je v současnosti metodou číslojedna. Jak uvidíme v kap. 4.6, je možno libovolné úlohy vyrovnávacího počtu převést na tutometodu. Proto jí bude i zde kladen upřednostněný význam.JINÉ ODVOZENÍ PODMÍNKY MINIMAVyjděme z výrazuTv Pv = min , který derivujeme podle v . Dostaneme 2 Pv = 0 a poTA mámedosazení 1. rov. (4.2.13) dostaneme ( )A T PAx + AT PL = 0 , což je shodně s rov. (4.4.3).P Ax + L = 0. Vynásobením zleva maticí4.5 Zprostředkující pozorování s neznámými parametry apodmínková pozorování s neznámými parametryUveďme nejprve přehled vyrovnání, která souvisejí s případy, uvedenýmiv předchozím textu. Jsou, resp. byla:• podmínková pozorování – kap. 4.3• zprostředkující pozorování – kap. 4.4• zprostředkující pozorování a podmínková pozorování – viz [13]• podmínková pozorování s neznámými parametry – viz [13]• zprostředkující pozorování s neznámými parametry – viz [13]• podmínková pozorování s neznámými parametry a zprostředkující pozorování -viz[13]• zprostředkující pozorování s neznámými parametry a podmínková pozorování -viz[13]Proto v dalším textu se budeme věnovat zprostředkujícímu pozorování s neznámýmiparametry a podmínková pozorování s neznámými parametry. Tento postup představujezobecnění MNČ, neboť je možno tohoto způsobu použít pro všechny druhy vyrovnání, kterábyla uvedena výše.Dvěmi výchozími rovnicemi, jistěžě v maticovém tvaru, budou rovnice−1A{ x{ + C{ y{+ L{ = { v , P{ = Q{n×k k×1B{ x{ + D{ z{ + U{ = 0{r×k k×1n×l l × 1r×hh×1n×1r×1n×1r×1n×nn×n(4.5.1)a jsou jimi podchyceny zprostředkující rovnice a podmínkové rovnice pro hledané neznáméx a neznámé parametry y a z . Matice A , B , C a D obsahují koeficienty při neznámých avektory L , v a U obsahují absolutní členy, opravy a uzávěry. Počet rovnic oprav je n, početpodmínek r, počet hledaných neznámých je k, počet parametrů ve vektoru y je l a ve vektoruz je h.Protože rov. (4.5.1) obsahují přidružené podmínky v 2. rov. (4.5.1) , je nutno opětpoužít Lagrangeova postupu pro zjištění minima. Za v ovšem dosadíme první rov. (4.5.1).Dostáváme vztah⎛⎞ ⎛⎞⎜ T T T T TT ⎛⎞x{{ A + y{{ C + L{ ⎟ P{ ⎜ A{ x{ + C{ y{+ L{ ⎟ + 2k{ ⎜ B{ x{ + D{ z{ + U{ ⎟ = min⎝1× k k×n 1×l l×n 1×n⎠n×n⎝n×k k×1 n×l l × 1 n×1⎠1×r ⎝ r×k k×1 r×hh×1 r×1⎠který postupně derivujeme podle x , y , z a k . k je opět vektor korelát resp. Lagrangeovýchsoučinitelů. Dostaneme pak výslednou rovnici pro neznámé, která je72
- Page 31 and 32: S pVPSUObr. 3.1.0.1Geodetická kři
- Page 33 and 34: Sférickou délku V obecného bodu
- Page 35 and 36: Integrace prvé rov. (3.1.2) by vy
- Page 37 and 38: o o o lo( − ) ( − ′ ) = ( −
- Page 39 and 40: o .Azimut A 2 vypočteme z výrazu
- Page 41 and 42: Rovina, která prochází středem
- Page 43 and 44: kde N je příčný poloměr křivo
- Page 45 and 46: S pomocí rov. (3.2.6) nebo též s
- Page 47 and 48: Výsledek:N = 6 389 923,082 m, X =
- Page 49 and 50: n 1222111212Obr. 3.2.21. Geodetick
- Page 51 and 52: procházející body P 1 a P 4 , je
- Page 53 and 54: Poledníkový poloměr křivosti M.
- Page 55 and 56: 3.2.4 Základní výpočty na rota
- Page 57 and 58: poloměr R m = 6381,6 km, který je
- Page 59 and 60: ZzyxZ´yxXYy´ZYzY´XX´zxObr. 3.3.
- Page 61 and 62: 3.3.3 Odvození zprostředkujícíc
- Page 63 and 64: Tab. 3.3.3 Transformační klíče
- Page 65 and 66: Výsledek:N W = 6 390 702,045, X W
- Page 67 and 68: Určit: [ , , ]α , β , γP1 X1B Y
- Page 69 and 70: Určete odlehlost Besselova elipsoi
- Page 72 and 73: III. část Vyrovnávací počet 1
- Page 74 and 75: Dodejme, že vše, co bylo napsáno
- Page 76 and 77: Číselnými kontrolami je rovnost
- Page 78 and 79: 4.3.2 Postupné řešení podmínko
- Page 82 and 83: kde⎛ x⎞⎜ ⎟⎜ y ⎟⎜z⎟
- Page 84 and 85: ∂∂Tx2: P2∂ ∂ y :∂ ∂z:A1
- Page 86 and 87: IV. část Geodetické sítě5 Geod
- Page 88 and 89: V případě kap. 5.2 se též tato
- Page 90 and 91: Použijeme seminární úlohu [4].
- Page 92 and 93: PŘÍMÉ ŘEŠENÍ PODMÍNKOVÝCH P
- Page 94 and 95: samoúčelné. Schéma pro schéma.
- Page 96 and 97: 5.3 Vyrovnání geodetických sít
- Page 98: Rov. (5.3.4), (5.3.8) resp. (5.3.8
- Page 101 and 102: astronomickou a zeměpisnou délkou
- Page 103 and 104: Obr. 6.1.1kde index T značí trans
- Page 105 and 106: − A− AAA( 1)ij( sin λ cosα−
- Page 107 and 108: CC( 2) ijij≡ = − = ( cosλsin
- Page 109 and 110: V případě diferenciálu ds ij od
- Page 111 and 112: kde koeficienty a ij(1), ... určí
- Page 113 and 114: [5] Zelenka J.: Diplomní úkol. Kn
- Page 115 and 116: 6.3 Společné vyrovnání směrov
- Page 117 and 118: ccccccuuuvvv123123= s1= s= s1= s1=
- Page 119 and 120: zji= z′ji1 1+ ϕjiR + ϕjiv2 20 R
- Page 121 and 122: víceúhelníkové. To však již z
- Page 123 and 124: 114,cossinsincoscoscoscosijiijiijij
- Page 125 and 126: tjZjNZtiNZjiPjjiZjkjkPiZijZikikijZk
- Page 127 and 128: jilisijliljjlkjlkjsjkObr. 6.5.1V ro
- Page 129 and 130: Ještě dodejme, že do varianty A
TTT2A PAdx+ A PL + A PL = 0A T PAdx+ AT PL = 0které <strong>na</strong>zýváme normální rovnice. Hledané neznámé přírůstky pak jsouV této rovnici se často zavádídxT −1 T( A PA) A PL= −(4.4.3)kdeTA PA = N{(4.4.4)k×kN = Q−1{ xxk×k(4.4.5)je matice váhových koeficientů hledaných neznámých přírůstků d x . Jednotková střední chybam1T[ ( n − k ] 20= Pv )a střední chyby vyrov<strong>na</strong>ných neznámých resp. jejich přírůstků jsouv (4.4.6)mdxm0= Q(4.4.7)i xx iikde( Q Q L Q L Q )Q xx = diag xx11xx22xx ii xx kk(4.4.8)Střední chybu mffunkce přímo měřených veličin jakož i střední chybu mFfunkcevyrov<strong>na</strong>ných neznámých zjistíme podle vztahů v kap. 4.2.1. Střední chyba funkcevyrov<strong>na</strong>ných neznámých je vyjádře<strong>na</strong> rovnicíTm 2 2F= m F Q F(4.4.9)0která je rozepsaná pod čarou ∗) .Kontrolně následuje výpočet rovnic počí<strong>na</strong>je rov. (4.2.12) event. včetně sigmovýchzkoušek.xx∗) Je2mF2mF2mF2= m02= m0⎛⎜⎝∂F∂x1⎡⎛⎢⎜⎢⎣⎝⎛k ∂F= ∑=⎜i 1 ∂x i⎝∂F∂x1L⎞⎟⎠2mdxi∂F∂xk⎛⎜⎞⎟⎜⎜⎠⎜⎝Q xx +11⎞⎟⎠2Q xx110⎛⎜⎝M0∂F∂x2⎞⎟⎠20Q xx22M0Q xx22+⎛ ∂F⎞⎛ ∂F⎞⎜ ⎟⎜ ⎟0 ⎞⎜∂x1 ⎟⎜ ∂x1 ⎟⎟⎜∂F⎟⎛⎞⎜ ∂F⎟0 ⎟⎜⎟ 2 ∂F∂F⎜⎟⎜⎟⎟ ∂x= m Q⎜ ⎟xx L Q xx∂xM 2 0⎝∂x11 ∂xkk⎠⎜2 ⎟⎟⎜M1k⎟⎜ MQ xx⎟kk ⎠⎜∂F⎟⎜∂F⎟⎝∂xk ⎠⎝∂xk ⎠2⎛ ⎤∂F⎞L + ⎜ ⎟ Q ⎥xx a zavedením rov. (4.4.7) je a tedy⎝∂xkkk ⎠ ⎥⎦LLOLpro případ, že je matice Q xx diagonální.71