在测绘技术飞速发展的今天,测量仪器和观测手段愈加丰富,观测数据中隐含了很多先验信息,而经典的测量平差不能充分利用这些信息,造成数据资源的浪费。针对目前工程测量数据处理不能有效利用先验信息的问题,本文研究了附不等式约束平差模型的算法和精度评定方法,并将不等式约束平差用于变形监测数据处理中,参数估值较经典平差的结果明显更符合工程实际变形情况,同时提高了参数估计的精度。本文主要研究工作如下:1.为提取工程测量数据中的有效先验信息,对文献中先验信息的获取途径进行梳理,根据先验信息在数学模型中的应用方式,将其分为随机先验信息和函数模型中的先验信息。深入研究了不等式约束平差模型,给出模型取极值时的最优性条件,并通过算例对比各种不等式约束算法的优劣。2.分析常见不等式约束平差算法的不足,提出了基于自适应惩罚函数的遗传算法。比较四类惩罚函数的优劣,总结出惩罚函数的构造原则,构建了一种简单实用的自适应惩罚函数,并证明了新算法的复杂度和收敛性。推证了不等式约束对参数估值和精度的影响程度,比较了三类不等式约束平差参数估值的质量评定方法,最终选用蒙特卡洛模拟法评价不等式约束平差解的质量,结果表明该方法能够获得参数的准确精度信息。3.不等式约束平差处理变形监测数据的问题在于有效、准确的先验信息不易获得,根据变形监测具有周期性的特点,研究使用组合预测模型计算的预测值作为先验信息。为获得准确的先验信息,提出使用Kalman滤波求解模型参数,参数求解时利用L-M法优化每次迭代的状态协方差阵,确保观测信息被充分利用。通过实测数据的验算,证明基于L-M的Kalman组合预测模型能够获得准确、有效的先验约束信息。4.通过预测值及其均方根误差建立不等式约束条件,利用新算法计算高铁沉降数据,并对比了不同约束尺度下的平差结果;根据高铁横向累计位移量建立不等式约束条件,使用新算法解算高铁平面数据,最后利用蒙特卡洛法评价无约束和约束平差结果的质量,证明了不等式约束平差可以显著提高参数估计的精度。