韦子豪

（华北理工大学矿业工程学院，河北 唐山 063210）

0 引言

根据现代误差理论，从科研实验以及生产活动里收集的数据，其基础数据在输入空间数据平台的阶段，将出现不确定性，以及可能因为量测设备的固有精度、量测技术、实施方案等的局限性和差异性而引入不同程度的误差，粗差的出现是不可避免的。为了获得准确的变形监测解析数据，在数据的处理过程中需采取恰当的方法对粗差展开测定和筛除。粗差的处置一般能够划分成两类：一种是先把包含粗差的测量值运用统计检测的方法予以筛除，然后执行数据操作；第二种是把包含粗差的测量值视作方差反常，采取稳健估计方式予以处理，这是把粗差划分为随机模型，经过定权来清除粗差对测量结果造成干扰的一类办法。

传统最小二乘估计的手段由于难以排除粗差的干扰，产生了缺陷，不过稳健估计的手段可以凭借在数据中实施加权使得粗差信息的权值降低进而排除粗差带来的影响，从而让数据的稳定性增强，可以应对变形监测的要求。鉴于此，本文在对变形监测的数据进行处理时，运用稳健估计的方法，对其抗粗差特性进行深入探究，同时和常用的最小二乘法做出比较。

1 模型建立

1.1 一元线性回归分析原理及模型

实验牵涉到孔深和位移变化量两个参量，运用的回归模型属于一元线性回归模型[1]。这两个指标参量间的关系是经过求算一个参量的线性回归表达式来确认的，即是y=a+bx+v中a与b的数值。……