برآورد بهینه دقت مشاهدات در شبکه های کلاسیک جابه جاسنجی

روش برآورد مولفه های واریانس کمترین مربعات زمانی که تنوع مشاهداتی در شبکه وجود داشته باشد کارایی خوبی از خود نشان می دهد. با استفاده از این روش برای هر دسته از مشاهدات مختلف یک ضریب مقیاس محاسبه می شود. در این تحقیق از روش وزن دهی برآورد مولفه های واریانس کمترین مربعات استفاده شده است. این بهبود دقت برای مختصات نقاط شبکه به نحوی است که مقدار نیم قطر بزرگ بیضی خطای مطلق نقاط در حالت استفاده از برآورد مولفه های واریانس کمترین مربعات برابر 29 میلی متر، در حالی که با استفاده از روش فاکتور وریانس ثانویه این مقدار به دو برابر افزایش می یابد. علاوه بر این در هنگام استفاده از روش برآورد مولفه های واریانس کمترین مربعات اثر ماتریس کوواریانس مجهولات برابر 8/0 میلی متر می باشد که نسبت به روش فاکتور وریانس ثانویه مقدار آن به اندازه دو برابر کاهش می یابد. در واقع مزیت روش برآورد مولفه های واریانس کمترین مربعات برآورد واقع بینانه ای از دقت پارامترهای مدل و ابعاد بیضی خطای مطلق می باشد.