1.一种基于拟准检定的超强崩溃污染率抗差估计算法，其特征在于，包括以下步骤：(1)基于研究区域内所有的GNSS水平速度场，建立整体旋转与均匀应变模型，在最小二乘准则下求解出模型参数与对应的最小二乘改正数V；

(2)求出全部最小二乘改正数V的绝对值的中位值，并将其作为单位权中误差的估计值，据此计算拟准观测值初选指标，并对其按从小到大的顺序进行排序；

(3)根据排序结果进行多维完整搜索，利用K均值聚类对拟准观测值和非拟准观测值进行智能聚类，实现拟准观测值的自动化选择；

(4)根据选定的拟准观测值，执行拟准检定解算，获得拟准真误差ΔN；

(5)选择抗差等价权函数，以真误差拟准检定解ΔN为初值，构建组合算法，迭代计算至模型参数收敛，获得区域地壳运动模型参数的超强崩溃污染率抗差解 并探测粗差大小及其位置。

2.根据权利要求1所述的基于拟准检定的超强崩溃污染率抗差估计算法，其特征在于：步骤(1)中所述的整体旋转与均匀应变模型为：

上式中，L为观测速度向量，包含东向和北向速度；Ve、Vn分别表示东向和北向速度；Rearth表示地球半径， 表示测站经纬度位置； 表示研究区域的几何中心；εee、εen、εnn分别表示三个主应变参数；ωx、ωy、ωz分别表示三个欧拉参数。

3.根据权利要求1所述的基于拟准检定的超强崩溃污染率抗差估计算法，其特征在于：步骤(1)中通过最小二乘准则求解模型参数与对应的最小二乘改正数V的函数模型如下：V＝Aβ-L

上式中

A为整体旋转与均匀应变模型系数矩阵；L为观测向量；

4.根据权利要求1所述的基于拟准检定的超强崩溃污染率抗差估计算法，其特征在于：步骤(2)中拟准观测值初选指标的获得方法为：根据解算的最小二乘改正数V，取其绝对值取中位数为相应的单位权中误差估计值，将最小二乘改正数的绝对值除以单位权中误差和正交补投影矩阵对应元素的乘积，即可获得拟准观测值初选指标。

5.根据权利要求1所述的基于拟准检定的超强崩溃污染率抗差估计算法，其特征在于：步骤(3)中所述的K均值聚类算法是选取欧式距离为相似度指标，明确待分类的样本数据集和待分类形成簇的数量后，通过启发式迭代方法确定各个簇中心，使得聚类目标实施的各类簇每一个点到相应簇中心的聚类平方和J最小，直至迭代过程中各簇中心的位置不发生变动；

上式中，n为分类样本个数；k为类别数量；xi为样本值；dk代表与xi最近的簇中心点，即对应类别中各数据点的平均值。

6.根据权利要求1所述的基于拟准检定的超强崩溃污染率抗差估计算法，其特征在于：步骤(4)中所述的拟准检定的计算公式如下：

RΔ＝-RL+X

GΔ＝w

上式中，X是拟合残差；w是常数向量；G是系数阵；L为观测向量；R为正交补投影矩阵；Δ为真误差。

7.根据权利要求1所述的基于拟准检定的超强崩溃污染率抗差估计算法，其特征在于：步骤(5)中真误差拟准鉴定解的模型为：

上式中，Δa为拟准观测值对应的真误差；Δb为非拟准观测值对应的真误差；GN＝(0AaT)；Aa是选定的拟准观测值所对应的模型系数矩阵。

8.根据权利要求1所述的基于拟准检定的超强崩溃污染率抗差估计算法，其特征在于：步骤(5)中所述的抗差等价权函数为：

上式中， 为最小二乘改正数向量V中第i个元素的标准化结果；k0和k1为常量；通常k0＝

1.0～1.5；k1＝2.5～3.0； Vvi为第i个观测值的观测误差，可由观测文件读取；本发明中k0取值1.5，k1取值3.0。

9.根据权利要求1所述的基于拟准检定的超强崩溃污染率抗差估计算法，其特征在于：步骤(5)中区域地壳运动模型参数的超强崩溃污染率抗差解算式为：上式中，k为迭代次数；A为整体旋转与均匀应变模型系数矩阵；为抗差等价权函数计算得到的等价权重。

10.根据权利要求1所述的基于拟准检定的超强崩溃污染率抗差估计算法，其特征在于，步骤(5)中粗差大小及其位置的探测方法为：执行抗差等价权函数，多次迭代计算，直至相邻两次迭代计算的模型参数抗差估计值之差小于给定的阈值，至此获得模型参数的超强崩溃污染率抗差解；

识别观测值中等价权为0的位置作为粗差估计位置，并以相对应的最后一次迭代计算得到的最小二乘残差作为粗差大小的估计值。