برآورد بهینه دقت مشاهدات در شبکه‌های کلاسیک جابه‌جاسنجی

روش برآورد مؤلفه­های واریانس کمترین‌مربعات زمانی که تنوع مشاهداتی در شبکه وجود داشته باشد کارایی خوبی از خود نشان می‌دهد. با استفاده از این روش برای هر دسته از مشاهدات مختلف یک ضریب مقیاس محاسبه می‌شود. در این تحقیق از روش وزن‌دهی برآورد مؤلفه­های واریانس کمترین‌مربعات استفاده شده است. این بهبود دقت برای مختصات نقاط شبکه به‌نحوی است که مقدار نیم قطر بزرگ بیضی خطای مطلق نقاط در حالت استفاده از برآورد مؤلفه‌های واریانس کمترین ‌مربعات برابر 29 میلی‌متر، در حالی‌که با استفاده از روش فاکتور وریانس ثانویه این مقدار به دو برابر افزایش می­یابد. علاوه بر این در هنگام استفاده از روش برآورد مؤلفه­های واریانس کمترین‌مربعات اثر ماتریس کوواریانس مجهولات برابر 8/0 میلی‌متر می­باشد که نسبت به روش فاکتور وریانس ثانویه مقدار آن به اندازه دو برابر کاهش می­یابد. در واقع مزیت روش برآورد مؤلفه­های واریانس کمترین‌مربعات برآورد واقع­بینانه­ای از دقت پارامترهای مدل و ابعاد بیضی خطای مطلق می­باشد.