《表3 P1点沉降数据的LS、TLS和ULS的预测结果以及相对误差Tab.3 Forecasted Results and Relative Error of LS, TLS and ULS (P1)

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《不确定性平差算法在沉降灰色模型中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从监测点P1（表3）和P2（表4）的后7期沉降预测结果的平均相对误差可以看出，整体最小二乘平差（TLS）由于系数矩阵和观测向量同时考虑不确定性，但这种不确定性的限度未知，导致了修正过度，使得结果不及一般最小二乘平差（LS），在两个监测点的预测结果相对误差都较大。而本文的不确定性平差算法（ULS），充分考虑了不确定的先验信息，在系数矩阵和观测向量中都加以限制，得到的结果优于前两种平差方法，监测点P1和P2预测结果的平均相对误差分别为1.2%和1.5%。图1和图2（预测曲线、实测曲线比较）同样直观地表明了不确定性平差算法（ULS）计算的后7期预测结果曲线与实测数据更为接近。