摘要：社会的不断变化和发展以及科学技术的进步让地产测绘工作有了突出成绩，测绘技术的运用也越来越多样化，每一种先进测量技术的研发都需要在具体的测量工作当中进行实验，为房地产数据的测量也带来了较大便捷性，能够更进一步的提升工作效率，各种技术的运用还需要对大地测量数据进行融合，运用有效的数据，产生有用的成果，基于此本文对大地测量数据融合模式进行分析和研究。
关键词：大地；测量数据；融合模式；对比；分析
大地测量数据若是按照独立信息观测的基础进行融合，则呈现出一种较为严密的和先进性的融合效果，在具体的运用和实践过程中大地测量数据融合还需要有多种类型，其中，必须对融合误差等作出分析研究和考虑。若是等级不同那么GPS数据观测也混存在误差，另外，不同技术下的GPS观测所得的数据更会存在误差，为了减少数据误差，促进数据大融合，本文对大地测量数据融合模式作出分析和研究，希望可以给相关工作者带去一定的建议和启示。
一、大地测量数据融合的重要性分析
在做大地测量工作的过程中还需要按照测量的不同地形以及测量的不同时间做好测量方式的选择，所测量的数据，在不同情况下都会产生结果上的差异性。本身选择方案不同那么在测量过程中坐标就不同，坐标出现差别，数据自然不够统一。若是在不同状态下对测量的数据进行使用，势必导致后续出现误差问题，更改繁琐，数据不精准或者不够准确就会存在类型不匹配的问题，使用过程中未达到统一标准，使用结果和实际之间存在较大的误差，因此为了规避这些问题势必需要进行测量数据的融合分析，确保数据运用的准确性。
二、大地测量数据融合模式分析
对大地进行测量的过程中，数据测量还有数据融合对未来的房地产研究具有综合指导意义，最为关键和重要的过程就是建立起各种模型，提升大地测量的精准程度，在数据融合的过程中还有多种技术手段需要分析研究，以下做出简单的介绍。
（一）函数模型
函数模型就是在大地测量之后所得的数据要做出函数方面的分析和处理，这个过程可以建立起综合性的平差模型形式，使用综合平差的手段能够获取大量的数据，之后对这些数据做平差处理。在一般情况下，对大地做出测量值周都会使用附不等式约束最小乘平差的模型，不断的发展过程中，各种理论的运用也得到多样化发展，使用不等式约束平差也得到了非常广泛的使用，在实践中获得很好成绩，也获得相关机构的青睐，运用中优势凸显出来。除了这项平差函数模型理论运用之外，平差也可以对实际测量产生的误差做出多方面的认识，了解误差发生的原因，总结出气候、温度还有湿度等方面的变化和影响，可能都是因为人为性测量引起的误差，还有可能是仪器引起的误差，但是误差的出现是可以从几率上避免的，减少误差可以使用非线性模型或者是误差分析的相关模型[1]。
（二）随机模型
大地数据测量的过程当中除了对函数模型进行分析之外还可以使用多种随机的类型，使用此种类型的数据还需要对方差做进一步的估测和分析，让几何观测还有物理观测等等都做出更为多方面的科学的合理的协调分析，除了这方面之外可以使用随机模型的形式对模型进行合理的协调分析。以上这些方面之外可以运用随机模型对大地测量的相关数据做出合理性计划和分析，使用这种常见的技术可以有效的概念大地测量数据不准确和不精确的问题[2]。
三、融合模式分析
大地测量的数据需要做好数据方面的分析，另外还需要按照数据的类型以及发展的不同情况作出模式的分析和研究，在一般情况下，使用融合的方式可以选择最小二乘融合的解决方式，使用平差结果的融合方式以及函数的模型对数据本身产生的误差进行结果融合分析，按照随机模型的误差了解结果融合。从以上的融合方向上看，就可以对大地测量的数据进行进一步的融合和分析。
期刊文章分类查询,尽在期刊图书馆
（一）大地测量的过程中使用相关的观测数据减少误差
若是大地测量之后进行信息观测就需要在没有产生误差的情况进行观测数据的融合分析，这一类观测信息的融合还需要对每一类观测的平差结果做出融合分析，分析其中的差异性。在此情况下，一般坐标的最大差若是在3毫米左右就可以使用均方差的方式，均方差大约是0.75毫米左右。每一期的数据之间还可以进行单独的平差计算，了解参数数据，让数据之间可以实现精准度的提升，了解差异性，方差的估量在调整之后进行估测，随机类型的运用就可以在一定程度上得到改善[3]。
（二）观测数据误差小以及不存在的状况
观测的信息若是单独的进行平差结果的分析就需要考虑精度问题，这种方式是在观测信息的基础上不断融合精度产生的，更加优于对内部观测信息的融合。观测信息在平差之后，观测值之间也产生了不符合的现象，针对此种现象以及平差结果可以进行参数分析，了解参数的误差大小。
（三）观测信息存在系统延误
若是观测的信息和实际信息之间存在误差，进行融合势必会存在非常大的差异性，在这样的情况之下，观测信息数据融合在精度方面要高于平时使用的平差结果融合精度。因此以下现象非常可能产生，在贯彻的基本模型上加入了系统的关键参数，但是使用的函数模型并没有发生变化，由此融合的数据在。精度和可靠性方面就会变化，也会产生降低的情况，运用平差分量的方式，本身误差的转移可以被覆盖进去因此精度结果就会非常低，两种事物在融合的过程中结果势必存在非常大的差异性[4]。
（四）注意事项
大地测量数据观测的类型非常多，其中包含了位置的观测信息还有角度的观测信息以及方向和距离上的观测信息等等，由于观测的方案并不是相同的因此在时间上，观测的仪器上选择也不尽相同，进而导致出数据不融合的局面。多种模式下的大地测量观测信息还需要进行多方面的综合性处理，常见的使用的方法有平差方法还有序贯平差方法，无论使用哪一种平差方法都会关系到数据的融合和使用，关系到信息的观恶还有随机类型、函数模型等，构造更为突出，因此在未来的发展中还需要导出观测量和伪观测量的相关分析，在观测信息基础上实现融合[5]。
结束语：
综上所述，本文对大地测量数据融合模式做出了分析和研究。在大地测量技术不断发展的过程中还需要对数据融合做出进一步的分析，技术运用也得到了较多的关注，这样的融合方式直接关系到大地测量技术的运用。这样就需要在此背景当中对大地测量的数据进行融合分析，减少误差的产生，对大数据的融合做出进一步的了解，争取可以在实际使用上探究出更合适的融合方式，由此给相关认识一定的参考，促进大地测量技术的发展。以上对大地测量数据的融合模式做出了具体的研究和分析，无论函数模型或者随机模型都有自己的适用范围，在未来的使用上还需要做到具体问题具体分析。
参考文献：
[1]宁津生.基于SINS/GNSS的航空矢量重力测量数据处理方法研究[J].中国工程科学,2014,25(3):4-13.
[2]王鹤.大地测量数据融合模式及其分析[J].建筑工程技术与设计,2017,25(29):1971-1971.
[3]范宏涛.EIGEN－6C2重力场模型与中国陆地和岛礁GNSS水准符合性的分析[J].测绘与空间地理信息,2014,14(11):75-79.
[4]刘晓刚,常宜峰,孙文等.利用谱组合法实现GOCE卫星的SST和SGG数据融合处理[J].地球科学-中国地质大学学报,2017,42(3):471-478.
[5]成英燕,曾安敏,张鹏等.全球大地测量基准动态修正与服务[J].科技资讯,2016,14(25):186.
论文作者:李雪,魏红林
论文发表刊物:《基层建设》2018年第6期
论文发表时间:2018/5/25
标签：测量论文; 数据论文; 误差论文; 大地论文; 模型论文; 信息论文; 过程中论文; 《基层建设》2018年第6期论文;