effektivere Bewertung/Anpassung des Ausgleichungsmodells

Hallo,

ich habe folgenden Problem.
Bei der Ausgleichung von Lage- und Höhennetzen (u. a. anderen Netzen) kommt es immer wieder vor, dass "fehlerhafte" Messungen vorliegen. Diese werden von mir herausgefiltert und entsprechend bewertet/gewichtet ins Ausgleichungsmodell eingeführt. Diese Anpassung erfolgt immer manuell, indem ich zum einen das Ergebnis bewerte und die Erkenntnisse in den Rohdaten einpflege (individueller Gewichtsansatz für einzelne Beobachtungen A-Posteriori). Praktisch gesehen schalte auf den Reiter Ergebnis, merke mir den "Anpassungsbetrag" aus den "Beobachtungsresiduen" und wechsel auf den Reiter Rohdaten und trage den "Anpassungsbetrag" in diesem ein. Da es aufgrund der vielen Messwerte ein sehr hohen zeitlichen Aufwand bedeutet diese Eintragungen vorzunehmen, stelle ich mir eine etwas praktikable Lösung vor.

Wie kann diese aussehen?
Analog zum Kontextmenü, rechte Maustaste (Entfernen, Duplizieren, Verschieben), könnte man eine weitere Funktionen hinzufügen, womit man die A-Posteriori Werte dem Reiter "Rohdaten" automatisiert zuordnet. Die Zuordnung sollte als Basis der Werte des "Beobachtungsresiduen" erfolgen.
Ein 3-Stufenmodell mit den Faktoren (1,0 / 0,7 / 0,3) wäre aus meiner Sicht sinnvoll, da nicht jedes "Beobachtungsresiduen" im vollen Umfang überführt werden darf. Die Prüfung hinsichtlich der Redundanz/EP muss der Nutzer im Blick behalten und sollte den/die zu übergebenden Wert/e immer kritisch hinterfragen.
Hier ein Vorschlag zum angepassten Kontexmenü im Reiter "Ergebnis".

Wäre dies programmtechnisch umsetzbar?

Wenn ja, so sollten diese Funktion für alle Beobachtunggsgruppen (Niv, Winkel, Strecken, GNSS) zur Verfügung gestellt werden.

Gleiches könnte ich mich mir auch für die Beurteilung der Festpunkte in der dynamischen AGL vorstellen.

Grüße

Hallo,

Bei der Ausgleichung von Lage- und Höhennetzen (u. a. anderen Netzen) kommt es immer wieder vor, dass "fehlerhafte" Messungen vorliegen. Diese werden von mir herausgefiltert und entsprechend bewertet/gewichtet ins Ausgleichungsmodell eingeführt. Diese Anpassung erfolgt immer manuell, indem ich zum einen das Ergebnis bewerte und die Erkenntnisse in den Rohdaten einpflege (individueller Gewichtsansatz für einzelne Beobachtungen A-Posteriori).

Ich kann Deine Vorgehensweise nachvollziehen, möchte sie aber nicht unterstützen. Ich re-gewichte einzelne Beobachtungen nicht, wenn diese auffällig sind, sondern entferne diese vollständig. Was habe ich von einer heruntergewichteten Beobachtung? Der Redundanzanteil r wird gegen Eins streben, sodass mit (1-r) der Anteil dieser Beobachtung am Ausgleichungsergebnis homöopathisch wird.

Ich sehe leider keine Rechtfertigung für Deine beschriebene Vorgehensweise: Ein EDM bspw. misst nicht eine Strecke genauer als eine andere oder hat mal einen schlechten Tag. Die Verwendung von individuellen Messunsicherheiten empfehle ich ausdrücklich nicht (oder nur im begründeten Ausnahmefall). Die Wahl des stochastischen Modells muss mMn. unter allen Umständen transparent und nachvollziehbar sein. Ich verweise hier auf den Leitfaden zur Angabe der Unsicherheit beim Messen. In dem von Dir vorgeschlagenen Szenario sehe ich diese Grundsätze verletzt.

Viele Grüße
Micha

--
applied-geodesy.org - OpenSource Least-Squares Adjustment Software for Geodetic Sciences

Hallo,

in Ergänzung der meiner Meinung nach exzellenten Ausführungen von Micha:
Vielleicht sollte man sich mal an die Grundsätze der Ausgleichung erinnern, dass nämlich das Ausgleichungsmodell frei von groben und möglichst auch von systematischen Fehlern sein muss!
Wenn also einzelne Beobachtungen als "grob falsch" erkannt werden, muss ich sie streichen und kann sie nicht durch willkürliche Gewichtszuordnungen "anpassen".

Eddi

Hallo,

in Ergänzung der meiner Meinung nach exzellenten Ausführungen von Micha:
Vielleicht sollte man sich mal an die Grundsätze der Ausgleichung erinnern, dass nämlich das Ausgleichungsmodell frei von groben und möglichst auch von systematischen Fehlern sein muss!
Wenn also einzelne Beobachtungen als "grob falsch" erkannt werden, muss ich sie streichen und kann sie nicht durch willkürliche Gewichtszuordnungen "anpassen".

Eddi

Hallo Eddi,

ich bin auch davon ausgegangen, dass Modell frei von "groben" Fehler sein muss.
GGf. habe ich das hier nicht korrekt dargestellt. :-)

Ja es sollten keine Systematische Fehler vorhanden sein. Wenn der Bediener z.B. falsche atmosphärische ppm-Werte im EDM einträgt, so kann man dies aber in der freien AGL detektieren. Ich empfehle hier die Berechnung der Additionskonstante. Wenn der Wert bei max. 1-2 mm liegt, wurde beim Umgang mit dem EDM korrekt gearbeitet. Die angegeben 1-2 mm entstammen aus meiner praktischen Erfahrung und haben keinen verbindlichen Charakter.

Ich kann Deine Vorgehensweise nachvollziehen, möchte sie aber nicht unterstützen. Ich re-gewichte einzelne Beobachtungen nicht, wenn diese auffällig sind, sondern entferne diese vollständig. Was habe ich von einer heruntergewichteten Beobachtung? Der Redundanzanteil r wird gegen Eins streben, sodass mit (1-r) der Anteil dieser Beobachtung am Ausgleichungsergebnis homöopathisch wird.

Ich sehe leider keine Rechtfertigung für Deine beschriebene Vorgehensweise: Ein EDM bspw. misst nicht eine Strecke genauer als eine andere oder hat mal einen schlechten Tag.

Es ist korrekt, dass ein EDM immer die gleichen Ergebnisse liefert. Das ist aber nur eine Komponente der erzielten Streckengenauigkeit. Man darf nicht vergessen, dass schlussendlich der Bediener die Ergebnisse wesentlich beeinflusst.
Wenn ein Punkt zweimal unabhängig voneinander angemessen wird, kann die Zentrierung beim ersten mal mittels Stativ und beim zweiten mal durch Aufstellen eines Prismenstabes erfolgen. Wenn beim Signalisieren des Punktes nicht exakt gearbeitet wird, hat man Mithilfe der Ausgleichung eine Möglichkeit diesen "leichten" Fehler zu erkennen und entsprechend im Ausgleichungsmodell zu bewerten.
Man könnte argumentieren, dass die Arbeit immer in Zwangszentrierung zu erfolgen hat, aber in der Praxis ist das meiner Meinung nach nicht immer möglich. Ebenso könnte man eine neue unabhängig dritte Messung einführen, aber dies ist oft aus wirtschaftlichen Gründen nicht denkbar. Ich möchte damit sagen, dass die vorliegenden Messelemente in Einzelfällen eine individuelle Gewichtung erhalten sollten. Meiner Erfahrung nach liegt der Anteil bei ca. 1-5% der Messelemente. Wenn der Prozentsatz überschritten wird, muss man sich allerdings schon Fragen, ob das richtige Messkonzept, geschultes Personal und geeignete Technik verwendet wurden. Die Messungen sollten in diesem Fall wiederholt werden.

Bei der Messung von Richtungen sehe ich die menschliche Komponente gleichermaßen stark Einfluss nehmend und die daraus resultierende Vorgehensweise analog zu den Strecken gegeben.

Bei der Auswertung von GNSS-Basislinien ist die Genauigkeit der einzelnen Basislinie von der Satellitenkonstellation, der Satellitenanzahl, der Satellitensignale und weiterer Störeinflüssen abhängig. Die Anzahl der Wiederholungen ist wesentliches Kriterium für ein statistisch gesichertes Ergebnis. Die hat zur Folge, dass es eine Vielzahl von Messungen gibt, die im Ausgleichungsmodell bewertet und ggf. unterschiedlich gewichtet werden.
Die menschliche Komponente, kann hier weitestgehend vernachlässigt werden. Das sind zumindest meine praktischen Erfahrungen.

Die Verwendung von individuellen Messunsicherheiten empfehle ich ausdrücklich nicht (oder nur im begründeten Ausnahmefall).

Das kann ich auch so bestätigen und genau um diese Ausnahmefälle (ca. 1-5%) geht es mir. Eine andere Verfahrensweise würde ich auch nicht unterstützen.

Hallo,

Du machst meiner Meinung nach einen entscheidenden Denkfehler, indem Du Messunsicherheit mit Präzision verwechselst - das passiert in allen genannten Beispielen. Das stochastische Modell ist mit den Messunsicherheiten zu formulieren und nicht mit der Präzision.

Viele Grüße
Micha

--
applied-geodesy.org - OpenSource Least-Squares Adjustment Software for Geodetic Sciences

Du machst meiner Meinung nach einen entscheidenden Denkfehler, indem Du Messunsicherheit mit Präzision verwechselst - das passiert in allen genannten Beispielen. Das stochastische Modell ist mit den Messunsicherheiten zu formulieren und nicht mit der Präzision.

Sorry wenn ich mit den Begrifflichkeiten etwas Verwirrung gestiftet habe. Das war nicht meine Absicht. Ich hoffe und denke auch, dass meine Gedanken trotzdem verstanden wurden?
Ich wollte lediglich einen Gedankenanstoß geben und hatte gehofft, dass man diesbezüglich eine Lösung finden könne.
Ich höre jetzt auch auf. Dann muss ich halt den aufwendigeren Weg bestreiten und die Verbesserungen immer manuell übertragen.

LG und guten Start ins Wochenende

Hallo,

Das war nicht meine Absicht. Ich hoffe und denke auch, dass meine Gedanken trotzdem verstanden wurden?

Ich habe sehr wohl verstanden, was Du machst bzw. machen möchtest. Ich habe Dir Hinweise gegeben, warum Du mMn. falsch liegst und warum ich dies nicht unterstützen möchte.

Ich wollte lediglich einen Gedankenanstoß geben und hatte gehofft, dass man diesbezüglich eine Lösung finden könne.

Dagegen spricht auch nichts - ganz im Gegenteil - aber Du wirst auch meine Seite verstehen müssen: Ich werde nichts Implementieren, was fachlich nicht vertretbar ist, und Deine Herangehensweise zähle ich gegenwärtig dazu.

Dann muss ich halt den aufwendigeren Weg bestreiten und die Verbesserungen immer manuell übertragen.

Das ist und bleibt natürlich Deine Entscheidung. Die Optionen sind hierzu vorhanden...

Dir auch ein schönes Wochenende
Micha

--
applied-geodesy.org - OpenSource Least-Squares Adjustment Software for Geodetic Sciences

Du machst meiner Meinung nach einen entscheidenden Denkfehler, indem Du Messunsicherheit mit Präzision verwechselst - das passiert in allen genannten Beispielen. Das stochastische Modell ist mit den Messunsicherheiten zu formulieren und nicht mit der Präzision.

Wie ist es in diesem Sinne zu bewerten, wenn ich beispielsweise ein Maßband nur mit Zentimeter-Auflösung ablese? Fällt das unter "Messunsicherheit" oder "Präzision"? Erhöht sich durch die Rundung die Unsicherheit (Varianz) dieser Messwerte dann nicht um 8.3mm² (+/-5mm geichverteilter Quantisierungsfehler)?

Vielen Dank,
Gerhard

Du machst meiner Meinung nach einen entscheidenden Denkfehler, indem Du Messunsicherheit mit Präzision verwechselst - das passiert in allen genannten Beispielen. Das stochastische Modell ist mit den Messunsicherheiten zu formulieren und nicht mit der Präzision.

Wie ist es in diesem Sinne zu bewerten, wenn ich beispielsweise ein Maßband nur mit Zentimeter-Auflösung ablese? Fällt das unter "Messunsicherheit" oder "Präzision"? Erhöht sich durch die Rundung die Unsicherheit (Varianz) dieser Messwerte dann nicht um 8.3mm² (+/-5mm geichverteilter Quantisierungsfehler)?

Worauf ich letztendlich hinaus will: Wenn ich begründen kann, warum einzelne Messwerte aufgrund erschwerter Messbedingungen eine höhere Unsicherheit haben als die anderen Messwerte, und wenn ich diese Unsicherheit auch grob abschätzen kann, ist es dann nicht gerechtfertigt, für diese Messwerte die höhere Unsicherheit anzusetzen?

[ Bei Ausreißern, die ich nicht begründen kann und bei denen ich eine höhere Unsicherheit auch nicht quantisieren kann, sehe ich es natürlich auch als angebracht, diese Beobachtungen besser ganz wegzulassen. ]

Vielen Dank,
Gerhard

Hallo Gerhard,

Wenn ich begründen kann, warum einzelne Messwerte aufgrund erschwerter Messbedingungen eine höhere Unsicherheit haben als die anderen Messwerte, und wenn ich diese Unsicherheit auch grob abschätzen kann, ist es dann nicht gerechtfertigt, für diese Messwerte die höhere Unsicherheit anzusetzen?

Ja, natürlich.

Viele Grüße
Micha

--
applied-geodesy.org - OpenSource Least-Squares Adjustment Software for Geodetic Sciences

Hallo Gerhard,

Wie ist es in diesem Sinne zu bewerten, wenn ich beispielsweise ein Maßband nur mit Zentimeter-Auflösung ablese? Fällt das unter "Messunsicherheit" oder "Präzision"?

Das fällt offensichtlich unter Ablesen. ;-)

Erhöht sich durch die Rundung die Unsicherheit (Varianz) dieser Messwerte dann nicht um 8.3mm² (+/-5mm geichverteilter Quantisierungsfehler)?

Ich weiß ehrlich gesagt nicht, was Du mit dieser Frage bezwecken willst; aber ja, die Unsicherheit erhöht sich durch Rundungsabweichungen, klar. (Ob um den von Dir genannten Anteil sei mal dahingestellt.)

Die eigentliche Frage hier in diesem Thread war, ob in JAG3D ein Mechanismus integriert werden könnte, um Beobachtungen zusätzlich neben den bereits definierten a-priori Unsicherheiten noch ein spezifisches Gewicht zuzuordnen. Ich kann Dein genanntes Beispiel mit dieser Frage nicht in Zusammenhang bringen. Und auch für Deinen Nachtrag kann ich weder einen Zusammenhang zur Ursprungsfrage noch einen zu Deiner Messbandfrage herstellen. Die Unsicherheit in der Ablesung ergeben sich doch praktisch bei jeder Messung mit dem Messband.

Viele Grüße
Micha

--
applied-geodesy.org - OpenSource Least-Squares Adjustment Software for Geodetic Sciences

Die eigentliche Frage hier in diesem Thread war, ob in JAG3D ein Mechanismus integriert werden könnte, um Beobachtungen zusätzlich neben den bereits definierten a-priori Unsicherheiten noch ein spezifisches Gewicht zuzuordnen.

Hallo Micha, sorry, ich bin etwas vom ursprünglichen Thema abgekommen. Deine antworten hatten bei mir den Eindruck "Heruntergewichten ist böse" ausgelöst, daher wollte ich nur nachfragen, ob das denn generell der Fall sei, denn das Festlegen einer höheren Unsicherheit kann ja im Einzelfall durchaus begründbar sein.

Zum ursprünglichen Thema: Wenn der O.P. letztendlich Beobachtungen mit hohen Residuen heruntergewichten möchte, ohne aufgrund der bekannten Messbedingungen die tatsächliche Unsicherheit konkret quantisieren zu müssen, könnte er dann nicht robuste Schätzung wählen?

Viele Grüße
Gerhard

Hallo

Hallo Micha, sorry, ich bin etwas vom ursprünglichen Thema abgekommen.

Kein Problem.

daher wollte ich nur nachfragen, ob das denn generell der Fall sei, denn das Festlegen einer höheren Unsicherheit kann ja im Einzelfall durchaus begründbar sein.

Ich stimme Dir hier voll und ganz zu. Wenn es einen Grund für ein anderes stochastisches Modell gibt, sollte dies natürlich auch verwendet werden. Bei Deinem Messbandbeispiel sehe ich den Sonderfall/die Ausnahme aber gerade nicht, da doch letztlich jede Messung mit diesem Band diese zusätzliche Ableseunsicherheit hätte.

Das Problem vom Originalpost mit dem skizzierten Weg über die Residuen hat mMn. den großen Nachteil, dass sich eben nicht alle (zufällig wirkenden) Abweichungen in den Residuen niederschlagen. Es gibt Messabweichungen, für die sind bspw. aufgrund der gewählten Konfiguration die Residuen nicht sensitiv. Vielleicht hilft hier ein Beispiel zum Verständnis, damit klar ist, was ich meine: Wenn in einem Netz mit Zwangszentrierung gearbeitet wird und immer nur Instrument und Prisma getauscht werden, dann kann offensichtlich in den geschätzten Beobachtungsresiduen selbst die Unsicherheit in dieser Zentrierung nicht enthalten sein, da es hier keine Variabilität gab - hierzu müsste man mehrmals auf- und abbauen. In diesem Fall können die geschätzten Residuen also nicht alle Informationen beinhalten, und sie lassen sich auch mit keinem Verfahren aus dieser Stichprobe schätzen.

Zum ursprünglichen Thema:

Ich denke, es gibt einige Herangehensweisen, die auch JAG3D unterstützt. Es ist ja nicht so, dass es grundsätzlich nicht geht. Vielmehr sollte es nur komfortabler werden. Ich habe auch nichts dagegen, wenn Beobachtungen unterschiedliche a-priori Unsicherheiten erhalten. Durch die Kombination aus einem konstanten und einem streckenabhängigen Anteil passiert letztlich letztlich genau das. Insofern ist dies sowieso der Standardfall. Wenn darüber hinaus einzelne Beobachtungen noch einmal abweichend zu bewerten sind, dann soll der Anwender dies aber nach meinem Dafürhalten bewusst einstellen und nicht durch einen einfach Klick.

Viele Grüße
Micha

--
applied-geodesy.org - OpenSource Least-Squares Adjustment Software for Geodetic Sciences

RSS Feed of thread