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。     

一种基于蚁群算法的山区GPS高程异常拟合方法

针对在山区地形条件复杂情况下构建GPS高程异常拟合模型精度难以满足需求的问题,将蚁群算法与多面函数法进行了融合。采用蚁群算法获取部分特征点,充分发挥特征点的表述作用,构建了更高精度的拟合模型。通过算例分析可知,融合方法求得研究区域内拟合点的内符合精度为2.5 mm,检核点的总体精度为4.4 mm,内外符合精度均高于常规拟合模型的精度。结果表明,基于蚁群算法的山区GPS高程异常拟合方法有效可行,同时证明了蚁群算法寻找最优特征点具有一定的优势,对于建模研究具有很好的参考价值。     

灰色最小支持向量机模型在高程拟合中的应用

针对传统单一灰色最小二乘支持向量机(GLSSVM)高程拟合方法的不足以及LSSVM模型参数选择的随机性,该文提出了一种基于PSO-GA算法优化的灰色最小二乘支持向量机高程拟合模型。模型将灰色模型与最小二乘支持向量机模型相结合,建立GLSSVM模型,并结合粒子群算法与遗传优化算法寻找GLSSVM模型的最优参数组合。为进一步验证提出模型的可靠性与有效性,通过具体工程实例,并将拟合结果分别与粒子群算法优化的最小二乘支持向量机模型(PSO-GLSSVM),遗传算法优化的最小二乘支持向量机模型(GA-GLSSVM)及单一GLSSVM模型进行对比分析,结果表明,PSO-GA-GLSSVM模型拟合精度更好,可靠性更高,为高程拟合研究提供了一种思路。     

基于混沌粒子群优化神经网络的GPS高程拟合研究

针对普通神经网络模型存在预测精度低等问题,采用粒子群优化神经网络权值和阈值的预测方法,建立基于该方法的BP神经网络高程异常拟合模型。为克服粒子群算法易陷入局部最优,提出并建立改进算法,即先用混沌变量初始化粒子位置,当出现早熟收敛时,对局部较优的部分粒子和全局极值采用混沌优化策略,从而提高了模型的训练精度。试验结果表明,该方法具有更好的准确性和稳定性。     

基于粒子群算法优化SVM的GPS高程拟合方法

采用支撑向量机(Support Vector Machine,SVM)模型进行GPS高程拟合时,拟合精度受模型参数(核参数和惩罚因子)选择影响较大,传统交叉验证法存在计算复杂,易陷入局部最优的问题.本文将粒子群(Particle Swarm Optimization,PSO)算法引入SVM模型,利用PSO全局搜索能力强和收敛速度快的特点对SVM模型进行优化,提升GPS高程拟合精度的同时增强模型的泛化适应性.最后基于实际算例对所提方法的拟合性能进行验证,结果表明相对于传统交叉验证SVM模型,所提PSO-SVM模型能够获得更高的拟合精度,并且对复杂地势具有更强的适应能力.     

线状工程GPS高程拟合方法研究

针对数学模型只适用于特定地形和神经网络模型易陷入局部最优解的特点,提出了最优加权算法,分别利用两种数学模型和两种神经网络模型进行线状工程GPS高程拟合,并将每种模型拟合效果好的单一算法组合成最优加权算法. 结果显示:多项式拟合法优于多面函数法,遗传模拟退火算法优化BP神经网络算法(GSA-BP)优于其他算法,为最优单一算法;加权算法比其单一成员算法精度分别提高17.7%、10.0%,且能基本满足四等水准测量要求,在线状工程GPS高程拟合中具有可行性.      

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.     

改进多面函数拟合跨带区域高程异常的研究

针对跨带区域高程异常拟合中存在的问题,该文以多面函数模型为背景,分别采用直接法和分带法,提出采用大地坐标(B,L)作为核函数参数的改进多面函数模型,对跨带区域高程异常进行拟合。通过某跨带区域GPS水准网数据验证,结果显现了改进后多面函数模型在跨带区域拟合上的优势,其外符合精度相比其他函数模型有显著提高。     

基于LM-BP神经网络的GPS高程拟合算法研究

提出了基于LM-BP神经网络方法转换的GPS高程拟合算法,并与传统拟合方法进行了比较。经实例验证,基于LM-BP神经网络的GPS高程拟合优于传统拟合方法,特别是在拟合点较少的大范围GPS拟合中显著改善了拟合高程的精度,具有一定的实用价值。     

转换GPS高程的BP神经网络方法研究

对于目前大范围点位分布不均,拟合法高程转换存在效果失真、模型误差等问题,本文给出了改进的BP神经网络方法转换GPS高程为正常高的算法,并与曲面拟合方法比较分析。经实例验证,在较大范围内,用神经网络方法转换GPS高程优于二次曲面拟合方法,所获得的正常高可满足工程生产的精度要求,具有一定的实用价值。