在第一种方法中，首要代表非巴尔达教授莫属，首要代表方法非巴达尔教 授的数据探测法莫属[11]，巴尔达教授推导出的数据探测法打下了本课题研究的深 厚基础，后继的测绘学者们不断的深入探讨，就出现一系列现如今存在的方法。 比如：多粗差向后剔除法、余差分析法、平均间隙法、带权数据探测法、线性假 设法等等一系列。其二说提到的数学中的方法不仅带有减弱粗差干扰，同时兼具 了最小二乘估计的一系列优点。最小二乘估计在特定的条件之中也可以归为抗差 估计，属于抗差估计中的特殊情况，Huber、数理统计学界好的 Hmapel 和数理统 计学界的 Roussewu 等人，这些伟大的学者们对于抗差估计这一范畴理论打下了 坚实的基础[12]，紧接着 Kubik Caspary 等人在测量领域当中又引进了上述方法。

近年来，我国测绘科学家也系统的研究出了数据处理的一系列方法，形成 了抗差最小二乘的概念[13]，这些成果离不开周江文，黄幼才，杨元喜等人。再对 于粗差问题的深入研究当中，拥有两种模型存在，一种是期望移动模型，另一种 为方差扩大的模型，它们的区别在于，前者是把粗差纳入了函数模型，而后者则 是把粗差归入了随机模型中，检验粗差是它们的共同目的，它们都具有许多前景，

能够深入进行研究，而且都取得各自得成效。直到近些年来，出现了一个新型的 方法来谈论数据中含有的粗差，这就是使用残差与真值计算出的误差理论的关系 为起点[14]。

就像是契宗侍将他提出的同时定位和定值多维粗差这一方法，还有发表在 论文《多维粗差的同时定位和定值》中的包括算法在内的[15]粗差的检测与抗差的 问题，不仅涉及到了理论上的依据探索以及分析，更是涉及到了运算推导等一系 列算法问题。现如今，这项探索仍在继续。所以，如今研究的热门仍然是关于“粗 差”所需要的自动的检测以及抗差的探索过程[16] 。

可靠性研究的另外一个适用的方面是探索出粗差定位的可靠办法。其中包含 两种方式：一个是把粗差归结到函数模型，以从巴尔达的可靠性理论为起点出发， 用数据探测法来探索；另一种方法是将粗差划为平差的随机模型，使用抗差理论

[17]，通过迭代方法，把粗差当做大的误差，在迭代平差过程中，逐渐对问题观测

值进行降权的操作，从而实现粗差的剔除。 现如今的测量平差理论在进行数据处理操作时都被当做函数模型，还可以当

成随机模型来处理，这些模型都是以粗差出现的原因和影响来确定的。粗差表现 出观测值的误差的绝对值很大，而且与整体数值相差较远的，是将粗差划分到函 数模型产生的结果表现，也可称为均值漂移模型[18]其解决的方式是把探测和确定 粗差位置这一操作放置在最小二乘平差这一步骤之前，这样可以得到符合观测值 中仅含有偶然误差，使得到的观测值较为净化；方差膨胀模型[19]是将粗差归为随 机模型的一种表现的解释，粗差出现先验随机模型与真实的实际模型差别很大， 可以将这一表现理解为，其解决方式是根据每次的迭代后出现的结果来相应的改 变观测数据的权或者是方差值，使得包含粗差的数据的权趋近无穷大或接近零 值，这样的操作用来避免平差的数据观测值受粗差影响。