基于聚类分析的多面函数拟合高程异常方法

利用多面函数拟合高程异常时,多面函数中心点个数及中心点的选择对拟合精度有很大的影响.利用聚类分析方法对多面函数的中心点个数及中心点进行有效选择,提高多面函数的拟合精度.通过与实测高程异常数据进行比较,基于聚类分析的多面函数拟合方法优于多项式拟合法、移动二次曲面拟合法和多面函数拟合法.     

多面函数模型中核函数个数对GPS高程拟合精度影响分析

在局部地区GPS高程拟合中,选择不同的拟合模型和方法会对GPS高程拟合的精度产生很大的影响。本文通过对多面函数拟合模型中不同核函数中心点个数选择对GPS高程拟合精度影响的研究,通过实例计算分析得到结论:核函数中心点因个数选取的不同,对GPS高程拟合精度的影响较大,在采用多面函数模型拟合GPS高程时,应该考虑核函数中心点个数的选择问题。     

利用蚁群遗传算法改进高程异常拟合模型

针对多面函数在拟合高程异常中难以选取中心节点及光滑因子的问题,该文提出了蚁群-遗传算法改进高程异常拟合模型的方法。为拟合模型构建提供可靠的参数,使选择的中心节点更加合理,加入蚁群算法能够快速获取地形复杂区域的特征点。光滑因子是多面函数拟合法的重要参数,参数值影响了拟合模型精度的高低。采用了遗传算法优化光滑因子,将光滑因子作为种群的染色体进行遗传运算,求得了拟合模型的光滑因子最优值为0.452。利用蚁群-遗传算法改进后的多面函数构建的拟合模型精度为8.6mm,比传统多面函数法拟合结果精度提高了48%。实验研究表明,蚁群-遗传算法改进的多面函数在很大程度上提高了拟合模型的精度,充分验证了改进方法有效可行,为特殊地形的高程拟合提供了重要的参考依据。     

基于K-means聚类分析的球冠谐函数拟合高程异常方法

利用球冠谐函数拟合高程异常曲面时,GPS/水准数据的分布和选取,对最后的拟合精度有较大影响。本文提出了一种基于K-Means聚类的球冠谐函数拟合方法,即利用K-Means聚类分析方法对高程异常数据点进行有效分类和选择,再结合球冠谐函数的逼近方法,提高了高程异常曲面的拟合精度。通过与实测高程异常数据进行比较,基于K-Means聚类分析的球冠谐函数拟合方法优于多项式拟合法、移动二次曲面拟合法、多面函数拟合法和球冠谐函数拟合法。     

多面函数法GPS高程拟合在桥梁建设中的应用研究

高程异常一般呈多曲面分布，在局部区域内，建立多面函数模型进行GPS高程拟合，可以达到较高的精度。利用多面函数模型进行GPS高程拟合，除选取分布均匀的中心点外，核函数形式的选取直接关系到GPS高程拟合的精度。对几种多面函数模型进行研究和比较，并在某桥梁建设中进行了实际应用。     

基于多面函数模型的GPS高程拟合精度分析

选择不同的拟合方法与拟合模型对GPS高程拟合精度有很大影响。本文研究了多面函数拟合模型中平滑系数选择对GPS拟合高程精度的影响。通过实例计算分析表明,选择不同的平滑系数,GPS高程拟合精度相差较大,在利用多面函数拟合GPS高程实践中应慎重选择平滑系数。     

基于移动-多面函数的高程异常拟合方法

将多面函数拟合法获得局部区域的最优结果作为移动二次曲面拟合时选择搜索半径的依据。然后,将获得的搜索半径作为最优拟合距离,运用移动二次曲面法实现了高程异常拟合,即移动-多面函数拟合方法。以某区域获取的高程异常作为实例,比较了3种方法的拟合精度。结果显示,移动二次曲面法、多面函数和移动多面函数的中误差分别为1.499、0.870和0.304 m,可见,移动-多面函数法比另外两种方法的拟合精度都高。     

基于双调和样条内插和高斯曲率极值的多面函数拟合高程异常方法

利用双调和样条函数对GPS/水准数据进行内插,从而得到高程异常曲面的网格数据。为了能更准确地描述高程异常曲面的弯曲变化,本文提出了以高程异常网格数据点上的高斯曲率极值为判定条件,对所有GPS/水准数据点进行筛选,以高斯曲率极值大于零与否选择不同的核函数,利用多面函数拟合方法对高程异常曲面进行了拟合。拟合结果表明,基于双调和样条内插和高斯曲率极值的多面函数拟合方法优于二次多项式、移动二次曲面以及单独采用某种核函数的多面函数拟合方法。     

多面函数拟合法转换GPS高程

对GPS在高程方面的应用现状作了简单的介绍,综述近年来用GPS求定正常高的几种方法,即多项曲线拟合、多项式曲面拟合、多面函数曲面拟合、加权均值法、非参数回归法和高程异常变化梯度法、固定边界三次样条插值法、线性移动拟事法、神经网络法、非格网GPS散点数据考虑地形改正法。对GPS高程测量基本原理和基本方法进行了讨论,提出根据测区的实际情况选择不同的GPS高程转换方法,综合利用GPS点的高差和高程观测值拟合高程异常的方法,利用多面函数来拟合似大地水准面。     

RSA-BP组合模型在GNSS高程拟合中的应用

针对地形复杂区域构建GNSS高程异常拟合模型精度有限的问题,本文提出了一种基于爬行动物搜索算法(RSA)优化BP神经网络的方法。利用RSA对传统BP神经网络各层之间神经元的权值和阈值全局寻优,解决BP神经网络局部极值、梯度下降等问题;同时,选取三等水准测量精度以上的加密网点高程数据作为样本集,使用RSA-BP神经网络学习与训练。与最小二乘支持向量机、多面函数拟合性能对比,RSA-BP神经网络模型拟合精度最高,稳定性最好,与实际高程异常值最为吻合。