کاربرد روش کمترین مربعات بازگشتی در کشف موثر اشتباهات در مدل های خطی

کشف مشاهدات اشتباه یک مرحله اولیه در بسیاری از کاربردهای ژئودتیک است. یک روش موثر پالایش داده بر اساس تئوری باردا است که در آن اشتباهات به صورت تک به تک کشف می گردد و مدل ریاضی به صورت یک روش تکراری سازگار می گردد. بار محاسباتی این روش زمانی که تعداد زیادی اشتباه در مشاهدات وجود داشته باشد زیاد می گردد. در این مقاله کوشش می کنیم تا این روش کشف اشتباهات را بهینه کنیم. یک استراتژی محاسباتی جدید به منظور ساده سازی کشف مشاهدات اشتباه در یک مدل خطی ارائه می گردد. کارایی این روش هنگامی که تعداد زیادی پارامتر مجهول در مدل وجود داشته باشد بیش تر می شود. در روش سنتی این موضوع باعث معکوس کردن ماتریس معادلات نرمال با ابعاد بزرگ در یک فرآیند متوالی می گردد. این امر اما در روش ارائه شده اجتناب می گردد. برای دو مجموعه دیتای واقعی نشان داده می شود که نتایج روش با نتایج روش باردا یکسان است اما این نتایج در زمان کمتری بدست می آید. همچنین برای دیتاهای شبیه سازی شده با 2000 مشاهده و 1000 پارامتر مجهول روش ارائه شده 3 مرتبه از روش سنتی سریع تر است. سرعت روش ارائه شده هنگامی که پارامترهای مجهول افزایش یابد بیشتر می شود.