我国许多矿区在预计地表移动和变形时,往往采用较为成熟、应用较广的概率积分法。但是常常因为观测者、测量仪器和外界条件等因素,获取的地表监测站数据中不仅包含了观测向量误差,还包括系数矩阵误差。为了弥补最小二乘算法（Least Squares,LS）的缺陷,学者们提出了兼顾观测向量和系数矩阵误差的整体最小二乘法（Total Least Squares,TLS）,进而获取更加合理可靠的参数估计值。由于在大量的外业测量中,观测值中不仅含有随机误差,还难免包含着一定的粗差或异值,TLS同LS一样在解决粗差问题上并未达到预期的效果,因此本文采用抗差估计用于粗差的处理。针对上述两个在概率积分求参中存在的问题,本文对加权整体最小二乘法（Weight Total Least Squares,WTLS）和抗差整体最小二乘法（Robust Weight Total Least Squares,RWTLS）展开了研究。研究的主要内容和成果如下:1.针对变量含误差（Errors-in-Variables,EIV）问题,引入整体最小二乘法。推导了基于非线性拉格朗日（Nonliner-Lagrange）的WTLS迭代解法、基于高斯-牛顿（Gauss-Newton）的WTLS迭代解法和基于部分变量含误差（Partial-EIV,PEIV）模型的WTLS迭代解法,并使用Matlab实现了相关算法。通过直线拟合算例求解参数估值,结果表明WTLS编程实现是正确的,WTLS相较LS算法求取的参数的优越性,且能够有效的解决平差模型中系数矩阵包含随机误差的问题。2.本文采用抗差估计用于粗差的处理。本文介绍了抗差的基本原理和常用的等价权函数模型,推导了 RWTLS的过程,选取合适的权因子函数,在迭代算法中不断对权值修正,削弱或者消除包含粗差的观测值的权重,实现抗拒粗差的效果。通过平面坐标转换算例分析,发现LS、WTLS和RWTLS在包含粗差时,求取的参数估值变动较大,其中RWTLS效果最好,在处理包含粗差的数据上具有一定的优势。3.通过工程实例,以顾桥南煤矿1613（1）工作面为例,对其观测站实测数据分别采用LS、WTLS和RWTLS分别进行求取概率积分参数和拟合精度评定。结果表明,使用RWTLS较LS和WTLS求取的参数与实测变化规律更加吻合且拟合效果更好、精度更高。图[12]表[23]参[84]