神经网络初始条件对似大地水准面拟合结果的影响

主要针对BP神经网络初始权值设置和学习集样本次序对似大地水准面拟合结果的影响进行研究,结果表明,在GPS/水准点控制区域内初始权值的设置对拟合结果没有影响,学习集样本次序对拟合结果的影响一般小于2.0 mm,得出对于构建厘米级似大地水准面,可以忽略初始权值设置和学习集样本次序对似大地水准面拟合结果的影响的结论,为神经网络方法应用于高精度、高分辨率似大地水准面拟合提供借鉴。     

BP神经网络在局部似大地水准面精化的应用

针对高程拟合中的模型误差问题,采用BP神经网络方法进行拟合,可以减小模型误差,提高似大地水准面的精化精度。在焦作市局部似大地水准面精化算例中,BP神经网络高程拟合取得了良好的效果。     

利用自适应最小二乘配置的GPS水准与重力似大地水准面的拟合

针对GPS水准与重力似大地水准面之差中存在系统误差的问题,使用最小二乘配置估计信号大小,来提高似大地水准面的拟合精度.对于最小二乘配置的噪声与信号的协方差之间的关系不合理,采用自适应因子纠正两者之间的关系,并首次将自适应最小二乘配置算法应用于似大地水准面精化.最后使用我国东部面积将近2万km2的城市A的数据进行验证,计算结果表明,最小二乘配置及自适应最小二乘配置在一定程度上能够提高拟合效果,使似大地水准面更接近于真实值,实现了国内较大城市面积的1.0 cm检核精度的区域似大地水准面成果.     

区域似大地水准面再精化精度影响因素分析

介绍区域似大地水准面再精化方法,以江苏省域内不同精度的重力似大地水准面及试验区全球导航卫星系统(global navigation satellite system,GNSS)/水准数据为例,计算分析了GNSS/水准点数、初始重力似大地水准面精度和内插拟合方法对再精化水准面的影响。结果表明,初始重力似大地水准面精度优于10 cm时,其再精化水准面结果精度与初始重力水准面精度关系不大,但其离散程度和初始重力水准面精度相关;平面/二次拟合与反距离平方加权内插结合使用效果更优,三次拟合与Shepard内插结合使用效果最优。结论对今后区域似大地水准面再精化工作中方案的选择、成本的节约等方面有一定的指导意义。     

我国海域大地水准面与大陆大地水准面的拼接研究

由重力和GPS水准数据确定的陆地大地水准面和主要由卫星测高数据确定的海洋大地水准面 ,两者之间一般都存在以系统误差为主的拼接差 ,分析了产生这一现象的主要原因。顾及这一现象 ,并结合我国在陆海大地水准面拼接区重力资料稀疏的实际 ,提出了扩展拼接技术。以国家GPS水准网确定的 (似 )大地水准面作控制 ,对陆海重力大地水准面作拟合校正 ,得到我国校正的陆海统一的重力大地水准面     

GPS/水准点数对似大地水准面再精化结果精度分析

似大地水准面的精度直接决定了RTK用户获得我国1985国家高程基准成果的精度。论文利用4种不同精度的重力似大地水准面成果以及一定数量的GPS/水准点成果,通过移去恢复法和拟合内插方法详细分析了GPS/水准点数对区域似大地水准面再精化结果的影响,并利用实测数据进行验证。结果表明,GPS/水准点数量的增加可提高再精化水准面精度,但精度达到一定量级后,不再提高。此外,一定精度范围的初始水准面精度对于水准面再精化最终结果精度影响不大,与离散程度成反比。论文结论对今后区域似大地水准面再精化工作中方案的选择、成本的节约等方面有一定的指导意义。     

BP神经网络在区域似大地水准面精化中的应用

研究BP神经网络算法在区域似大地水准面精化中的应用,阐述了神经网络的结构及其算法,根据焦作市D级GPS网控制点的数据,利用MATLAB进行编程计算,拟舍得到厘米级的似大地水准面模型,并得到了有益的结论。     

基于EGM2008和GPS/水准的区域似大地水准面确定方法

介绍了EGM2008或GPS水准拟合确定似大地水准面的各自优缺点,采用移去—恢复法思想,并基于EGM2008与GPS/水准点实现了区域似大地水准面精化,提出了利用Arc GIS建立区域似大地水准面的具体做法,最后通过某带状区域数据,实现了该区域精化似大地水准面的建立,并进行了精度分析,得到了较高的外符合精度。     

陆海交界区域厘米级精度似大地水准面的确定

为了得到我国某陆海交界区厘米级精度的区域（似）大地水准面,利用43个高精度GPS／水准点和1045个实测重力点数据对EGM96,WDM94和GFZ计算的局部重力（似）大地水准面进行了比较与评价。结果表明,在该测区用移去．恢复法确定重力（似）大地水准面时,EGM96应该是首选参考重力场模型。该测区处在陆海交界处,海域无GPS／水准数据。经比较发现,采用距离倒数加权平均法将该区重力似大地水准面拟合于GPS／水准数据比在大范围使用的多项式法效果更好。采用该方法计算的测区（似）大地水准面精度优于3cm。     

陆海交界区域厘米级精度似大地水准面的确定

为了得到我国某陆海交界区厘米级精度的区域(似)大地水准面,利用43个高精度GPS/水准点和1 045个实测重力点数据对EGM96,WDM94和GFZ计算的局部重力(似)大地水准面进行了比较与评价。结果表明,在该测区用移去-恢复法确定重力(似)大地水准面时,EGM96应该是首选参考重力场模型。该测区处在陆海交界处,海域无GPS/水准数据。经比较发现,采用距离倒数加权平均法将该区重力似大地水准面拟合于GPS/水准数据比在大范围使用的多项式法效果更好。采用该方法计算的测区(似)大地水准面精度优于3cm。     

基于BP神经网络的三维激光测高数据拟合方法

针对三维激光测高拟合问题，本文采用BP神经网络进行拟合，该方法可以有效地消除或减弱数据中的系统误差影响，提高计算精度。实际算例证明，在数据无粗差情况下，BP神经网络的内符合与外符合精度优于传统的二次曲面拟合的精度。     

BP神经网络在GPS导航中的应用

Kalman滤波常用于GPS动态数据的处理,由于系统存在的不确定性和非先验性,导致滤波产生较大的估计误差,甚至发散。介绍了BP神经网络算法及其非线性逼近能力,并基于BP神经网络的非线性逼近性能设计了BP神经网络进行GPS导航的新算法。实测数据计算结果表明该算法能够真实地反映载体运动轨迹,其导航解具有良好的精度和可靠性。     

Quasigeoid evaluation with improved levelled height data for Norway

GPS-levelling points are widely used to control gravimetric geoid or quasigeoid models. Direct comparison is often interpreted to reveal the accuracy of the gravimetric model, using GPS-levelling as a reference. However, both GPS and levelled heights contain errors, and in order to achieve a centimeter-accuracy geoid, these should be investigated. The Norwegian Height System NN1954 is known to contain large systematic errors due to postglacial land uplift in the area. In this study, the current height system and two revised versions, corrected for uplift, are applied to compute three sets of control quasigeoid heights in the southern part of Norway. These heights are then compared to various Nordic gravimetric quasigeoid models generated during the last two decades. In contradiction to some earlier studies, the accuracy of gravimetric quasigeoid models for this area are found to improve near-linearly with time. This is in accordance with expectations, since both data coverage and computation methods have progressed during this time. However, this study shows the importance of establishing accurate and error-free control data for geoid comparisons.     

基于小波分析的神经网络在遥感测温数据拟合中的应用

将小波母函数嵌入人工神经网络的神经元,形成紧致型小波神经网络,该网络用于遥感测温的数据拟合中,可提升纯粹的BP神经网络的拟合精度。本文结合红沿河核电站无人机红外测温试验,对其采集的一组温度数据采用小波神经网络进行拟合。对实验数据进行了统计分析,结果表明:小波神经网络能保证拟合误差在很小的范围之内,并且优于BP神经网络。     

顾及动力学模型误差影响的GPS/INS组合导航自适应滤波算法

在顾及动力学模型随机误差的情况下,设计了一种GPS/INS自适应滤波算法.针对BP神经网络存在的训练速度慢、易陷入局部极小值等问题,对神经网络学习算法进行了改进.利用神经网络进一步减小系统误差对导航解的影响,给出了顾及动力学模型随机误差和系统误差的GPS/INS自适应滤波算法,并利用实测数据验证了算法的有效性.     

基于BP神经网络的地图数字化误差纠正

由于在数字化采集过程中不可避免地会引入系统误差和异常误差,因此消除和削弱这些误差的影响是提高空间数据质量的关键。然而由于图纸变形不均匀,扫描误差又极其复杂,用常规的多项式拟合技术只能消除部分有规律的系统误差,很难完全消除它们对地图数字化坐标的影响。BP神经网络是一个高度非线性映射系统,能以任意精度逼近。结合地图数字化坐标改正的特点,本文给出了基于BP神经网络地图数字化坐标误差纠正的方法,并通过实例验证了该方法的有效性。     

On the computation of reliable formal uncertainties in the densification of GPS-levelling networks by least-squares collocation

A realization of a height system covering the south of Norway has been performed, based on least-squares collocation applied to differences between geometric and gravimetric quasigeoid heights, inhomogeneous and isotropic covariance modelling, and without prior information on the error sources of the involved data types. As a result, the derived normal heights were biased by the systematic errors of the GPS-levelling network. The important covariance properties were determined at every location from spatially differenced observations, and made it straightforward to evaluate the uncertainties of the biased height reference. The distribution of predictions followed a Gaussian shape, but extreme realizations were overrepresented.     

基于BP神经网络的GPS导航算法

GPS导航解算中常用最小二乘算法。随着高动态用户需求精度的不断提高，且由于线性化忽略高次项，初始值精度低以及差分后剩余或放大误差的存在。导航解精度很难满足高动态用户的需求。为此，本文基于BP神经网络的非线性逼近性能。给出了基于BP神经网络的GPS导航算法。实测数据计算结果表明该算法能够真实地反映载体运动轨迹，其导航解的精度和可靠性有明显的提高。     

BP神经网络在GPS高程拟合中的应用探讨

神经网络算法一直是国内外研究的热点问题,BP神经网络算法具有更小的模型误差,因此,被广泛应用于GPS高程拟合。本文通过对同一区域GPS高程拟合的应用探究,运用迭代运算对比BP神经网络算法与多项式拟合数据,从而证明BP神经网络在一定条件下具有更高的精度,更加突出了BP神经网络算法的实用性。     

轨道误差对InSAR相位影响的BP神经网络去除法

针对用二次多项式法去除轨道误差对InSAR相位影响时,须对干涉相位其他项分布性质作假设,且自身存在一定的模型缺陷的问题,该文提出用BP神经网络去除轨道误差对InSAR相位影响的方法。研究表明:BP神经网络法在使用时无须对干涉相位其他项分布性质作假设,模型更优。模拟实验中,轨道误差相位拟合残差更小;真实数据实验中,纠正后非形变区相位集中在零值附近,且波动趋势更为平稳。该方法一定程度上降低了传统二次多项式法的应用局限性。