第六章 結論與建議
第二節 建議
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
保證資料的品質，必須嚴格進行粗差偵測。
本文對粗差偵測的方法提出新的觀點，以模擬資料及實際資料進行實 驗可以得到不錯的成果，但是實際上仍有需要改進的地方。第一個是最佳 化權矩陣演算法雖然呈現出較穩健不受粗差干擾的成果，但是在計算過程 中，並沒有考慮到穩健性的原則：例如粗差對平差系統的影響量應該有上 限，而小的誤差及大的粗差對平差結果也有一定的上限。解決的方法應該 是在粒子群演算法搜尋最佳化權值的過程中，每次迭代計算時，粒子搜尋 的上下界需要給定一個準則，在計算初期的上下界應該比較小，而在計算 後期的上下界才能提升到最大，即小誤差的權值不應該在短時間內降低到 最低，以免侷限粒子群演算法搜尋的範圍。第二個是計算效率，每個觀測 量都需要有一個粒子進行搜尋，若有 50 筆觀測量將會有 50 個粒子，若群 體數量為 20 個時，將有 1000 個粒子進行計算；因為本文大地起伏的擬合 點位並不多，所以在計算時間上尚合理；但是以目前主要的測量技術，趨 勢是觀測量越來越多（例如光達點雲），最佳化權矩陣的計算時間將會相 當高，高到並不合理，於是未來如何節省運算時間是一個重點。
本研究的大地起伏擬合作業程序受到橢球高精度影響相當大，雖然粗 差偵測能夠降低粗差的影響程度，但無法降低系統誤差的影響。如果一組 水準點位資料位於地層下陷區域，在施測正高及橢球高後數年間高程沉 降，可能導致該組資料含有系統誤差，對大地起伏擬合的成果會產生影 響。未來如何改善系統誤差對大地起伏擬何成果的影響是必須解決的難 題。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
參考文獻
一、 中文參考文獻
內政部，2001，一等水準點測量作業規範。
孔祥元、郭際明、劉宗泉，2001，『大地測量學基礎』，武昌：武漢大 學出版社。
台中市政府，2003，九十二年度公共管線資料庫系統建置品質監驗案 期末報告書。
匡志威、熊琳璞、刘鹏程、戴建清，2010，『大区域 GPS 水准拟合模 型研究及应用』，城市勘测，第二卷：78-80.
李德仁，1984，利用選擇權迭代法進行粗差定位，武漢測繪學院學報，
第一卷。
李德仁、袁修孝，2005，誤差處理與可靠性理論，第二版，武漢大學 出版社，武昌。
李尚訓，2010，『利用支持向量機法推求區域性大地起伏值之研究─以 台中地區為例』，國立中興大學土木工程學系碩士論文：臺中。
沈昱廷，2011，『以最小二乘支持向量機擬合區域性大地起伏值之研究
－以台中地區為例』，國立中興大學土木工程學系碩士論文：臺中。
胡明城，2003，『現代大地測量學的理論及其應用』，北京：測繪出版 社。
陳國華，2004，『整合 TWVD2001 水準及 GPS 資料改進台灣區域性大 地水準面模式以應用於 GPS 高程測量』，國立成功大學測量及空間 資訊學系博士論文：臺南。
陳佳菱，2012，『以粒子群演算法改善傳統二次曲面擬合區域性大地起 伏精度之研究』，國立中興大學土木工程學系碩士論文：臺中。
趙嘉展、陳松安、甯方璽，2010，『利用衛星測高法與海洋水準法求定 台灣海面地形之研究』，測量工程，第五十二卷：5-21
簡子淩，2012，『以基因表示規劃法建立區域性大地起伏模型之研究－
以台中地區為例』，國立中興大學土木工程學系碩士論文：臺中。
‧
(ellipsoidal Bruns formula): case study, Journal of Geodesy, 75: 544-552.Baarda, W., 1968, A testing procedure for use in geodetic networks.
Netherlands Geodetic Commission, New Series, Delft, Netherlands, 2(5).
Eberhart, R. C., and Shi, Y., 1998, Comparison between genetic algorithms and particle swarm optimization, Evolutionary Programming VII: 611-616.
Efron B., 1983, Estimating the error rate of a prediction rule: improvement on cross-validation. J. Am. Stat. Assoc., 78:316–331
Van den Bergh, F., 2001, “An Analysis of Particle Swarm optimizers,” PhD Thesis. University of Pretoria
Heiskanen, W. A., and Moritz, H., 1967, Physical Geodesy. , San Francisco:
W. H. Freeman and company.
Hastie, T., Tibshirani, R., Friedman, J., Hastie, T., Friedman, J., and Tibshirani, R. , 2009, The elements of statistical learning. New York: Springer.
Sun, J., Feng, B., and Xu, W. B., 2004, Particle swarm optimization with particles having quantum behavior, in: IEEE Proceedings of Congress on Evolutionary Computation, 2004:325–331.
Juhl J., 1984, The "Danish Method" of weight reduction for gross error detection, XVth ISPRS Congress, Volume XXV Part A3:468-472 Kubik, K., Weng, W., and Frederiksen, P., 1985, Oh, grosserorors. Cited by
Aust. J. Geodesy Photogramm. Surveying, 42:1-18.
Kavzoglu, T., and Saka, M. H., 2005, Modelling local GPS/levelling geoid undulations using artificial neural network, Journal of Geodesy, 78: 520-527.
Kennedy J., and Eberhart R., 1995, Particle Swarm Optimization, IEEE International of first Conference on Neural Networks, 1995: 167-171.
‧
estimation and model selection, International Joint on Artificial Intelligence, Vol. 14, No. 2:1137-1145Lehmann R., 2013, 3 σ-Rule for Outlier Detection from the Viewpoint of Geodetic Adjustment, Journal of Surveying Engineering, 139(4):157-165.
Lehmann R., 2013, On the formulation of the alternative hypothesis for geodetic outlier detection, Journal of Geodesy, 87(4):373-386.
Meyer, T. H., Roman, D. R., and Zilkoski, D. B., 2006, What DoesHeight Really Mean? Part IV: GPS Orthometric Heighting, Surveying and Land Information Science, Vol. 66, No. 3: 165-183.
Schwarz, C. R., and Kok, J. J., 1993, Blunder detection and data snooping in LS and robust adjustments. Journal of surveying engineering, 119(4):
127-136.
Sun, J., Xu, W., and Feng, B., 2004, A global search strategy of quantum-behaved particle swarm optimization. In Cybernetics and Intelligent Systems, 2004 IEEE Conference on Vol. 1:111-116.
Sun J., Xu W., and Liu J., 2005, Parameter selection of quantum-behaved particle swarm optimization, Advances in Natural Computation,2005:
543-552.
Xi, M., Sun, J., and Xu, W., 2008, An improved quantum-behaved particle swarm optimization algorithm with weighted mean best position.
Applied Mathematics and Computation, 205(2):751-759.
Yetkin, M., Inal, C., and Yigit, C. O., 2011, The Optimal Design of Baseline Configuration in GPS Networks by Using the Particle Swarm Optimisation Algorithm. Survey Review, 43(323):700-712.
You R., 2006, Local geoid improvement using GPS and leveling data: case study, Journal of Surveying Engineering, 132:101-107
Zilkoski D. B., Carlson E. E., and Smith C. L., 2008, Guidelines for Establishing GPS-Derived Orthometric Heights (NGS-59), NOAA Technical Memorandum NOS NGS 59, National Ocean Service, Nation Geodetic Survey.