2025年考研测绘工程测量平差试卷（含答案）

2025年考研测绘工程测量平差试卷（含答案）考试时间：______分钟总分：______分姓名：______一、已知某水准测量高差观测值及其相应的观测值中误差分别为：h₁=1.532m,m₁=3mm；h₂=-2.034m,m₂=4mm；h₃=1.568m,m₃=3mm。试求：（1）高差和h₁+h₂+h₃的最或然值及其其中误差；（2）高差和h₂-h₁的最或然值及其其中误差。二、设对某量进行n次等精度独立观测，观测值为l₁,l₂,...,ln。试用最小二乘原理推导该量的最或然估值（加权平均值）及其方差。三、在平差中，为何通常采用最小二乘原理作为平差准则？它有什么基本要求？四、已知某水准网观测数据如下（单位：mm）：|路线|路线长度（km）||---|---||1|AB||2|BC||3|CD||4|DA||5|AC||6|BD|设每公里观测高差的中误差为3mm。试用条件平差法求A,B,C,D四点间高差的最或然值（只需建立法方程，不必求解）。五、设有一独立三角锁，观测了所有内角，角度观测值（clockwise,已化成度分秒）及其方差分别为：|角编号|观测值|方差(arcsec²)||---|---|---||L₁|90°00'15"|4||L₂|48°31'45"|4||L₃|41°28'00"|5||L₄|80°00'15"|4||L₅|69°28'00"|5||L₆|41°28'15"|4|试列出该三角锁的几何条件方程（只需列出方程，不必化为弧度或写成矩阵形式）。六、什么是参数平差？它与条件平差相比有何主要优点？七、在间接平差中，已知n个独立观测值l₁,l₂,...,ln的方差分别为m₁²,m₂²,...,mn²，设u₁,u₂,...,un为待求参数，观测方程为：V=AX-L。试写出误差方程的系数阵A、常数项向量L以及参数的权阵Pᵤ的表达式。八、已知某平差问题，法方程为：NₓX=W，其中Nₓ为满秩矩阵。若采用乔里斯基分解法求解参数估值X，请简述其计算步骤。九、在平差计算中，如何评定平差结果的精度？可以评定哪些精度指标？十、设对某点进行三维坐标测量，采用间接平差，选取X,Y,Z为待求参数。观测了4个方向角（α,β,γ,δ）和3个边长S₁,S₂,S₃，观测值分别为lᵃ,lᵇ,lᶜ,lᵝ,l₁,l₂,l₃，相应的方差为mᵃ²,mᵇ²,mᶜ²,mᵝ²,m₁²,m₂²,m₃²。试列出该平差问题的误差方程（只需列出方程，不必确定系数和常数项）。试卷答案一、（1）ĥ=h₁+h₂+h₃=(1.532-2.034+1.568)m=1.066mm̂_h=√(m₁²+m₂²+m₃²)=√(3²+4²+3²)mm=√34mm≈5.83mm（2）ĥ'=h₂-h₁=(-2.034-1.532)m=-3.566mm̂_h'=√(m₁²+m₂²)=√(3²+4²)mm=√25mm=5.00mm解析思路：（1）等精度观测量的最或然值为观测值的算术平均值。先求和，再除以观测次数（此处为3次），即得最或然值ĥ。其中误差按误差传播定律合成，因观测值相互独立，故方差相加，再开方得和的中误差m̂_h。（2）非等精度观测量的最或然值为加权平均值。但题目中m₁,m₂,m₃相同，相当于等精度观测。最或然值ĥ'为h₂与h₁的代数和，即ĥ'=h₂-h₁。其中误差同样按独立量代数和的误差传播定律合成，即m̂_h'=√(m₁²+m₂²)。二、设该量的真值为X₀，观测值为lᵢ，最或然估值为x̂。则残差vᵢ=lᵢ-x̂。最小二乘原理要求∑[pᵢvᵢ²]最小。对x̂求偏导并令其为零：∂(∑[pᵢvᵢ²])/∂x̂=-2∑[pᵢvᵢ]=-2∑[pᵢ(lᵢ-x̂)]=0∴∑[pᵢlᵢ]=∑[pᵢx̂]=x̂∑[pᵢ]因为∑[pᵢ]=1（假设权之和不等于零），故x̂=∑[pᵢlᵢ]。x̂的方差V(x̂)=E[(x̂-X₀)²]=E[((∑[pᵢlᵢ])-X₀)²]=E[∑[pᵢ(lᵢ-X₀)²]]因lᵢ独立同分布，方差为m²，则E[lᵢ-X₀]²=m²。V(x̂)=∑[pᵢm²]=(∑[pᵢ])m²=m²。若观测值等精度，即pᵢ=1，则x̂=(1/n)∑lᵢ，即算术平均值，其方差V(x̂)=(n-1)/n*m²。当n→∞时，V(x̂)→0。解析思路：首先明确最小二乘原理的目标是最小化加权残差平方和。然后，对加权残差平方和关于最或然估值x̂求偏导数，并令其为零，得到x̂的表达式，即为加权平均值。最后，计算加权平均值x̂的方差，证明其方差小于等于单个观测值的方差。三、最小二乘原理基于随机误差的抵偿性和独立性（或协方差为零）。观测值不可避免地含有随机误差，这些误差大小和符号呈随机分布，但总体上相互抵消。最小二乘原理以加权残差平方和最小为准则，能够最有效地利用观测信息，求得被测量的最或然估值。它要求观测误差满足一定的统计特性（如独立同分布、方差已知、期望为零），使得加权残差平方和成为二次型函数，其最小值存在且唯一，从而保证平差解的唯一性和最优性（在方差意义下）。解析思路：阐述最小二乘原理的基本思想（最小化加权残差平方和）以及其成立的数学和统计基础（误差特性、二次型函数的性质），说明其为何能求得最或然估值以及其最优性。四、设水准网节点数为n，测段数为t。A,B,C,D四点的高程分别为H_A,H_B,H_C,H_D。它们之间存在如下几何约束关系：H_B=H_A+h₁;H_C=H_A+h₁+h₂;H_D=H_A+h₁+h₃;H_C=H_B+h₅;H_D=H_B+h₆其中h₁,h₂,h₃,h₅,h₆分别为观测高差。选取H_A,H_B,H_C,H_D为待求参数。则几何条件方程为：V=AᵀX-W|-1100||H_A||0||0-110||H_B|+|h₁||00-11||H_C|=|h₂||000-1||H_D||h₃||0010||||0||0001||||0|即：V=|-1100;0-110;00-11;000-1;0010;0001|*|H_A;H_B;H_C;H_D|-|0;h₁;h₂;h₃;0;0|法方程为：NₓX=W其中Nₓ=AᵀP_APAᵀ=AᵀA(假设各路线观测值等精度，权P_A为单位阵)W=AᵀPl=AᵀlP_A=diag(3²/1,4²/1,3²/1,4²/1,3²/1,3²/1)=diag(9,16,9,16,9,9)Aᵀl=[0,h₁,h₂,h₃,0,0]ᵀAᵀA=[38,-9,-9,9;-9,38,9,-9;-9,9,38,-9;9,-9,-9,38]W=[0,h₁,h₂,h₃,0,0]ᵀ因此，法方程为：|38-9-99||H_A||0||-9389-9||H_B|=|h₁||-9938-9||H_C||h₂||9-9-938||H_D||h₃|解析思路：首先，根据水准网图和水准测量原理，列出各节点间高程的几何约束关系式，即条件方程（线性化的形式）。然后，根据条件方程的矩阵形式V=AᵀX-W，确定系数矩阵Aᵀ和常数项向量W。在此题中，Aᵀ=A(因为条件方程是关于高程参数的线性形式)。最后，根据权矩阵P_A(此处为对角阵，权与路线长度成反比)，计算法方程系数矩阵Nₓ=AᵀP_APAᵀ=AᵀA，并写出法方程NₓX=W。注意，这里假设了各路线的观测值中误差已知且相同，从而权与路线长度成反比。五、三角锁的几何条件是内角和应等于(n-2)π(弧度制)，即∑[Lᵢ]=(n-2)π。化成度分秒制，内角和应等于(180n-360)°。观测值Lᵢ的小数部分为秒(arcsec)，其方差为mᵢ²。几何条件方程为：v₁+v₂+v₃+v₄+v₅+v₆=-(L₁+L₂+L₃+L₄+L₅+L₆)+(180*6-360)*3600其中vᵢ=lᵢ-Lᵢ。将观测值代入：v₁+v₂+v₃+v₄+v₅+v₆=-(90+15+48+31+41+80+69+28+00+15+48+31+41+28+00+15)+(1080-360)*3600v₁+v₂+v₃+v₄+v₅+v₆=-(5340)+720*3600v₁+v₂+v₃+v₄+v₅+v₆=-5340+2592000=2586660或者更精确地，将(180*6-360)°转化为秒：(180*6-360)*3600=(1080-360)*3600=720*3600=2592000秒所以条件方程为：v₁+v₂+v₃+v₄+v₅+v₆+5340=2592000或者v₁+v₂+v₃+v₄+v₅+v₆=2592000-5340=2586660解析思路：三角锁的几何条件是所有内角之和等于其应有的人角和。首先，计算出三角锁应有的人角和（(n-2)π，此处n=6，为4π弧度，或1440°）。其次，将每个观测角lᵢ减去其名义值Lᵢ（此处名义值即观测值本身，因为题目未给），得到残差vᵢ。几何条件方程即为所有残差之和等于零（或加上名义和与应有人角和之差）。将题目给定的观测值代入即可得到最终的线性条件方程。六、参数平差是以待求参数（通常是坐标、方位角、高程等）作为未知量，建立观测方程（误差方程），然后求解参数的最或然估值及其精度。与条件平差相比，主要优点包括：1.适用性更广：不仅可以处理线性平差问题，也可以处理非线性平差问题（通过线性化），且不局限于特定类型的约束条件。2.模型更灵活：可以根据实际问题自由选择参数，建立更简洁、更直接的观测方程，避免列出冗长的条件方程。3.计算效率：对于参数较少、观测方程数量较多的问题，参数平差通常更简洁，计算量可能更小。4.结果解释：参数估值具有明确的物理意义（如坐标），更易于理解和解释。5.处理复杂问题：更容易处理包含多种类型观测值（如角度、边长、高差、坐标差）的综合平差问题。解析思路：首先定义参数平差的基本思想（以参数为未知量，建立误差方程）。然后，从适用范围、模型灵活性、计算、结果解释和复杂问题处理等方面阐述其相比条件平差的主要优点。七、误差方程V=AX-L描述了观测值残差与待求参数之间的关系。设待求参数为u₁,u₂,...,un，它们是独立的，方差分别为m₁²,m₂²,...,mn²，其权为pᵢ=1/mᵢ²。对于间接平差，通常假设观测值lᵢ与待求参数uᵢ之间存在线性关系，可以表示为：lᵢ=fᵢ(u₁,u₂,...,un)+Δᵢ取全微分，得：dlᵢ=∂fᵢ/∂u₁du₁+∂fᵢ/∂u₂du₂+...+∂fᵢ/∂undun+dΔᵢ令残差vᵢ=dlᵢ-Δᵢ，并忽略Δᵢ的高阶小量，得：vᵢ=(∂fᵢ/∂u₁)du₁+(∂fᵢ/∂u₂)du₂+...+(∂fᵢ/∂un)dun写成矩阵形式：|v₁||∂f₁/∂u₁∂f₁/∂u₂...∂f₁/∂un||du₁||v₂|=|∂f₂/∂u₁∂f₂/∂u₂...∂f₂/∂un|*|du₂|-|Δ₁||...||......||...||...||vn||∂fn/∂u₁∂fn/∂u₂...∂fn/∂un||dun||Δn|即V=AX-L其中A=(∂fᵢ/∂uⱼ)ᵀ是误差方程系数矩阵，L=Δᵢ是常数项向量（包含随机误差）。参数的权阵Pᵤ是参数估值duᵢ的协因数阵，其逆是参数的协方差阵Cᵤ=(Pᵤ)⁻¹。由于duᵢ之间相互独立，且方差为mᵢ²，协方差为0，故协因数阵为对角阵：Pᵤ=diag(1/m₁²,1/m₂²,...,1/mn²)解析思路：首先，从间接平差的基本原理出发，即用参数uᵢ的线性函数（或线性化后的函数）来逼近观测值lᵢ。通过对函数全微分并忽略高阶小量，得到误差方程V=AX-L的形式。然后，根据误差传播定律和权、协因数、方差、协方差的关系，推导出误差方程系数矩阵A和常数项向量L的具体形式。最后，明确参数uᵢ的权阵Pᵤ是其协因数阵的对角阵，并给出其表达式。八、乔里斯基分解法（CholeskyDecomposition）用于求解对称正定矩阵方程Ax=b。对于法方程NₓX=W，其中Nₓ是对称正定矩阵，W是常数项向量。1.分解Nₓ：将对称正定矩阵Nₓ分解为Nₓ=LLᵀ，其中L是下三角矩阵（其对角元素通常取为正数）。2.求解Ly=W：对线性方程组Ly=W进行前向代入（ForwardSubstitution），求解向量y。L=[l₁₁l₂₁l₃₁...;0l₂₂l₃₂...;00l₃₃...;...;000...l<0xE2><0x82><0x99>ᵀ<0xE2><0x82><0x99>]W=[w₁;w₂;w₃;...;w<0xE2><0x82><0x99>]依次求解：l₁₁y₁=w₁=>y₁=w₁/l₁₁l₂₁y₁+l₂₂y₂=w₂=>y₂=(w₂-l₂₁y₁)/l₂₂...l<0xE2><0x82><0x99>ᵀ<0xE2><0x82><0x99>y<0xE2><0x82><0x99>ᵀ<0xE2><0x82><0x99>=w<0xE2><0x82><0x99>=>y<0xE2><0x82><0x99>=(w<0xE2><0x82><0x99>-∑[l<0xE2><0x82><0x99>ky<0xE2><0x82><0x99>k])/l<0xE2><0x82><0x99>ᵀ<0xE2><0x82><0x99>3.求解LᵀX=y：对线性方程组LᵀX=y进行回代（BackwardSubstitution），求解未知参数向量X。Lᵀ=[l₁₁00...;l₂₁l₂₂0...;l₃₁l₃₂l₃₃...;...;000...l<0xE2><0x82><0x99>]y=[y₁;y₂;y₃;...;y<0xE2><0x82><0x99>]依次求解：l₁₁x₁+l₂₁x₂+...+l<0xE2><0x82><0x99>x<0xE2><0x82><0x99>=y₁=>x<0xE2><0x82><0x99>=(y₁-∑[l<0xE2><0x82><0x99>kx<0xE2><0x82><0x99>k])/l₁₁l₂₁x₁+l₂₂x₂+...+l<0xE2><0x82><0x99>x<0xE2><0x82><0x99>=y₂=>x₂=(y₂-l₂₁x₁)/l₂₂...l<0xE2><0x82><0x99>x₁+l<0xE2><0x82><0x99>x₂+...+l<0xE2><0x82><0x99>ᵀ<0xE2><0x82><0x99>x<0xE2><0x82><0x99>=y<0xE2><0x82><0x99>=>x<0xE2><0x82><0x99>=(y<0xE2><0x82><0x99>-∑[l<0xE2><0x82><0x99>kx<0xE2><0x82><0x99>k])/l<0xE2><0x82><0x99>ᵀ<0xE2><0x82><0x99>解析思路：首先，说明乔里斯基分解法是求解对称正定矩阵（如法方程系数阵Nₓ）的有效方法。然后，按照标准步骤详细解释分解Nₓ为LLᵀ的过程。接着，依次解释如何通过前向代入求解Ly=W得到中间向量y，以及如何通过回代代入求解LᵀX=y得到最终解X。整个过程中强调L的下三角特性以及前向和回代代入的具体计算方法。九、平差结果的精度评定主要包括：1.单位权中误差（或称单位权方差）：m₀²=Σ[pᵢvᵢ²]/(n-t)，它是一个无量纲的量，表征了观测值精度相对于单位权精度的水平，是所有精度指标的基础。2.观测值平差值的中误差：mᵢ=m₀√[pᵢ]或mᵢ=m₀√[cᵢ]，反映了每个观测值平差结果的不确定度。3.参数（待求量）的平差值中误差：mᵤᵢ=m₀√[qᵢᵢ]，反映了每个参数估值的不确定度。其中qᵢᵢ是参数协方差阵Cᵤ=(Nₓ⁻¹)的元素。4.观测值或参数的协方差：对于观测值vᵢ和vⱼ，Cᵢⱼ=-m₀²*[AᵀP_APA]⁻¹<0xE2><0x82><0x99>=-m₀²*Nₓ⁻¹<0xE2><0x82><0x99>。对于参数uᵢ和uⱼ，Cᵢⱼ=m₀²*[Nₓ⁻¹]ᵢⱼ。解析思路：首先，明确精度评定的核心是量化平差结果的不确定度。然后，列出主要的精度评定指标：单位权中误差，这是衡量整体精度的基准；观测值平差值中误差，反映单个观测结果的精度；参数平差值中误差，反映参数估值的精度；以及协方差，反映变量间相互关联的程度。最后，给出这些指标的计算公式，并指出它们都与单位权中误差m₀和法方程的逆矩阵（精度矩阵）Nₓ⁻¹有关。十、误差方程V=AX-L中，A为误差方程系数矩阵，X为待求参数向量(X=[X,Y,Z]ᵀ)，L为常数项向量(L=[lᵃ,lᵇ,lᶜ,lᵝ,l₁,l₂,l₃]ᵀ)。观测方程可以基于坐标差与边长、方位角的关系建立。设L₁,L₂,L₃为边长观测值，S₁,S₂,S₃为对应的边长真值；α,β,γ,δ为方向角观测值，θ₁,θ₂,θ₃为对应的方位角真值。坐标差与边长、方位角的关系为：ΔXᵢ=Sᵢcosθᵢ;ΔYᵢ=Sᵢsinθᵢ其中ΔXᵢ=X₂-X₁,ΔYᵢ=Y₂-Y₁(类似地有ΔZᵢ)。将真值关系线性化，即观测值减去真值：lᵢ=Lᵢ-Sᵢcosθᵢ=Lᵢ-Sᵢcos(αᵢ+L₁)lⱼ=Lⱼ-Sⱼcosθⱼ=Lⱼ-Sⱼcos(αⱼ+L₂)其中lᵢ,lⱼ为边长观测值与真值之差。方向角观测值与真值之差为：vᵃ=lᵃ-(θᵃ-θ₁)=lᵃ-(αᵃ+L₁-α₁-L₁)=lᵃ-(αᵃ-α₁)vᵇ=lᵇ-(θᵇ-θ₂)=lᵇ-(αᵇ+L₂-α₂-L₂)=lᵇ-(αᵇ-α₂)vᶜ=lᶜ-(θᶜ-θ₃)=lᶜ-(αᶜ+L₃-α₃-L₃)=lᶜ-(αᶜ-α₃)vᵝ=lᵝ-(θᵝ-θ<0xE2><0x82><0x99>)=lᵝ-(αᵝ+L₄-α<0xE2><0x82><0x99>-L₄)=lᵝ-(αᵝ-α<