《實用測量數據處理方法（第2版）》共分八章，分別為參數估計及統計檢驗，插值計算，回歸與擬合分析，抗差估計、有偏估計及擬合推估，時間序列分析，傅里葉分析與小波分析，神經網絡與遺傳算法，空間信息統計學基礎。與第一版相比，《實用測量數據處理方法（第2版）》的修訂去掉了有限元方法和分布擬合檢驗兩章，增加了小波分析、神經網絡與遺傳算法和空間信息統計學基礎，充實了有偏估計、半參數估計和整體小二乘平差、擬合推估等現代測量平差方法，并增加了二元函數插值和基于正交函數系的擬合方法等測量所需的插值與擬合方法。各章附有相關例題和習題，便于讀者的理解。
《實用測量數據處理方法（第2版）》的特點是強調常用近代數據處理的實用性，且著眼于現代測繪技術及其發展的需求，充實新的理論與方法。本書可供測繪和相關學科的學生和專業技術人員參考。
第1章 參數估計及統計檢驗
1.1 概述
1.2 參數估計原理
1.3 最小二乘估計理論
1.4 整體最小二乘估計原理
1.5 統計檢驗
習題
第2章 插值計算
2.1 概述
2.2 拉格朗日插值
2.3 牛頓插值
2.4 插值多項式的余項
2.5 埃爾米特插值
2.6 樣條函數插值
2.7 二元函數插值
習題
第3章 回歸與擬合分析
3.1 概述
3.2 線性回歸分析
3.3 最優回歸方程的選擇
3.4 非線性回歸分析
3.5 基于正交函數系的擬合方法
習題
第4章 抗差估計、有偏估計及擬合推估
4.1 概述
4.2 抗差估計
4.3 附加系統參數的平差
4.4 有偏估計
4.5 半參數估計原理
4.6 擬合推估
習題
第5章 時間序列分析
5.1 隨機過程與時間序列的概念
5.2 時間序列的隨機線性模型
5.3 線性模型的自相關函數和偏相關函數
5.4 模型的初步認識
5.5 模型參數的最小二乘估計
5.6 模型的檢驗和改進
5.7 時間序列的預報
習題
第6章 傅里葉分析與小波分析
6.1 概述
6.2 傅里葉變換及其性質
6.3 離散傅里葉變換
6.4 小波與小波變換
6.5 離散小波變換
6.6 多分辨分析與Mallat算法
習題
第7章 神經網絡與遺傳算法
7.1 神經網絡
7.2 神經網絡算法
7.3 遺傳算法原理
7.4 用遺傳算法優化神經網絡
習題
第8章 空間信息統計學基礎
8.1 空間信息統計學概述
8.2 變異函數與變異曲線
8.3 普通克里金法
8.4 泛克里金法
8.5 協同克里金法
習題
參考文獻
新書資訊