Aplicação das normas L1 e L∞ em redes altimétricas: identificação de outliers e construção do modelo estocástico ##plugins.themes.bootstrap3.article.sidebar## PDF HTML Publicado Jun 21, 2020 DOI https://doi.org/10.35424/rcarto.i101.669 Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0. ##plugins.themes.bootstrap3.article.main## Stefano Sampaio Suraci Instituto Militar de Engenharia https://orcid.org/0000-0002-4453-9273 Leonardo Castro de Oliveira Instituto Militar de Engenharia https://orcid.org/0000-0001-5290-5029 ##plugins.themes.bootstrap3.article.details## Número Núm. 101 (2020) Sección Artículos Cómo citar Sampaio SuraciS., & Castro de OliveiraL. (2020). Aplicação das normas L1 e L∞ em redes altimétricas: identificação de outliers e construção do modelo estocástico. Revista Cartográfica, (101), 135-153. https://doi.org/10.35424/rcarto.i101.669 Formatos de citación ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver estadisticas Descargas La descarga de datos todavía no está disponible. Resumen Nesse artigo, aplicações da minimização da norma L1 (ML1) e da norma L∞ (ML∞) na estimação de redes altimétricas foram investigadas. Redes de nivelamento simuladas pela Técnica de Monte Carlo e dados reais da rede brasileira de nivelamento foram empregados nos experimentos. Na identificação de outliers pela ML1, foi verificado que o ajustamento com pesos unitários apresentou condições vantajosas em relação ao modelo estocástico usual dos pesos proporcionais ao inverso do comprimento das linhas de nivelamento. O Classificador VL1, que estipula um Valor de Corte para os resíduos do ajustamento pela ML1 a partir do qual a respectiva observação passa a ser classificada como outlier, foi proposto. A taxa de sucesso dele na identificação de outliers foi superior à do procedimento data snooping iterativo em cenários de geometria da rede deficiente. Já a aplicação da ML∞ investigada é posterior ao tratamento de outliers. Um modelo estocástico alternativo para ajustamento da rede pelo MMQ que aproveitou a característica de minimização do máximo resíduo absoluto da rede no ajustamento pela ML∞ foi analisado. Além dessa minimização, o ajustamento da rede pelo MMQ com o modelo alternativo gerou, na significativa maioria dos casos, resíduos e precisão desses e dos parâmetros estimados mais homogêneos, com menor desvio padrão, que aqueles com o modelo estocástico usual. Todos os resultados são especialmente relevantes para o caso de redes altimétricas. Palabras clave normas L1e L∞ modelo estocástico Monte Carlo altimetria