基于Matlab的GPS高程异常的支持向量机模型

全球定位系统(GPS)高程测量成果不如传统方法测量的精度高,并存在高程异常问题,通过引入最小二乘支持向量机原理,建立GPS支持向量机高程异常模型,构建GPS高程异常模型的MATLAB程序,大大提高了高程测量精度。阐述了实现GPS高程异常拟合的关键技术。     

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。     

GPS高程拟合支持向量机模型

为了快速获取GPS高程异常值，提出了基于最小二乘支持向量机（LS—SVM）的GPS高程异常值求取模型，介绍了最小二乘支持向量机的原理与优越性。利用该模型进行了高程异常的拟合，并对已知点进行了检验。结果表明：其结果是可靠的，在有限样本情况下完全可以达到传统GPS高程拟舍的效果，且其实现起来更简单，具有一定的科学性和实用性。     

粒子群最小二乘支持向量机在GPS高程拟合中的应用

针对传统的GPS高程拟合方法要求有足够多样本数据的缺陷,本文采用粒子群(PSO)算法优化最小二乘支持向量机(LSSVM)参数的方法进行GPS高程拟合。实验表明,在有限样本的情况下,PSO-LSS-VM模型不仅发挥了LSSVM处理小样本数据的能力,而且通过PSO优化后的LSSVM能够选择出合适的参数;与LM-BP神经网络、标准最小二乘支持向量机等方法比较,PSO-LSSVM模型拟合精度较高。     

基于不同核函数的LSSVM在GPS高程拟合中的应用

GPS技术因其诸多优点在工程测量中被广泛应用,最小二乘支持向量机应用于GPS高程拟合有着一定的优势。最小二乘支持向量机在处理非线性问题时,采用核函数代替内积计算,巧妙地解决了高维计算问题。文中综述了最小二乘支持向量机常用的几种核函数,用实验进行对比分析,结果表明,采用几种核函数都取得较好的效果,采用径向基核函数时效果最优。     

基于最小二乘支持向量机回归的GPS高程转换模型

探讨了将最小二乘估计引入到支持向量机中,给出最小二乘支持向量机回归(LS-SVR)算法,该算法用等式约束代替传统支持向量机回归中的不等式约束,使得求解过程更为简单。将构建的LS-SVR模型应用到GPS高程转换中,提出该回归模型的实现步骤。实例表明,在有限样本情况下,LS-SVR完全可以达到与传统GPS高程拟合方法相同的精度,但实现起来更简单,而且在泛化性能方面具有理论上的保证。     

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。     

支持向量机在GPS高程异常中的应用

本文论述了支持向量机的回归算法,提出了基于支持向量机的GPS高程异常拟合方法,并在MATLAB中编制了相应的支持向量机程序,建立了相应的GPS高程异常模型.以实例数据讨论了基于支持向量机的GPS高程异常分析方法.研究表明:用支持向量机技术建立GPS高程异常模型是可行的和有效的.     

三种综合高程异常的方法

在工程实践中,应用单一方法确定高程异常的问题存在着局限性,提出综合高程异常的三种方法,分别是经典权法、最优权法和最小二乘支持向量机回归法.通过实例验证这三种方法的有效性,最后,分析这三种方法的优缺点.     

总体最小二乘的加权GPS高程曲面拟合法

针对GPS高程转换的问题,提出了一种基于总体最小二乘的加权GPS曲面拟合直接求值的方法,根据系数矩阵A列向量部分修正引入权阵PA、PX、P0,根据距待求点越近受其影响越大的特点引入权阵P,建立较最小二乘法更加合理的模型,并且可直接求得待定点的高程异常值。经实例计算证明基于总体最小二乘的加权GPS高程曲面拟合的方法更加合理,可以获得更高精度。     

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。     

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。     

基于RBF神经网络的GPS高程拟合方法的研究

GPS高程拟合一直是工程应用中的一个研究热点,其中神经网络拟合方法得到了广泛的应用。本文利用RBF神经网络模型进行GPS高程拟合实验,主要针对模型中隐含节点数和最佳SPREAD值的确定进行实验研究,并利用MATLAB神经网络工具箱实现了GPS高程拟合。同时,将RBF神经网络拟合结果与BP网络拟合结果进行对比分析,结果表明,RBF网络拟合效果要优于BP网络,得到的拟合精度要高。     

城镇控制测量中GPS高程拟合方法分析

结合扶余城镇控制测量成果对基于BP神经网络法进行GPS高程拟合进行了分析.与二次曲面拟合结果比较分析表明,通过施测少量均匀分布GPS点水准高程,采用BP神经网络方法计算GPS点正常高具有较高的精度,在生产中具有一定的应用价值.     

GAMIT/GLOBK在Linux系统下的安装与应用

GAMIT是国内外高精度GPS数据处理中通常采用的软件之一,多安装于Linux操作系统,本文主要介绍了GAMIT在Linux平台下的安装与使用,并通过算例来说明GLOBK进行网平差后所得到的坐标结果是可靠的。     

改进BP神经网络算法用于GPS高程转换的应用

介绍了用改进的BP神经网络算法转换GPS高程为正常高,并以青东煤矿首采工作面地表移动观测站的GPS数据为例,与标准的BP算法和多项式曲面拟合方法作比较,改进的BP算法在转换GPS高程中减少了BP神经网络的训练时间,提高了转换效率,且精度良好,可用于GPS高程转换。     

GPS高程转换中BP神经网络的优化探讨

分析了传统BP算法的不足,设计了基于BP神经网络的GPS高程转换模型,在调整网络的激励函数、网络的输入层和隐含层的神经元的基础上,实现了GPS高程转换的BP模型优化.     

基于改进BP神经网络的GPS高程拟合方法

BP神经网络用于GPS高程拟合时存在收敛速度慢,受初始值选取影响大和易陷入局部极大值的问题。本文提出一种改进的BP神经网络高程拟合方法,将模拟退火算法(Simulated Annealing,SA)引入BP神经网络模型,利用模拟退火算法的全局寻优能力对BP神经网络的初始值进行选择,同时优化神经网络的各层神经元之间的连接权值和阈值,提高BP神经网络拟合法的拟合精度、收敛速度和推广泛化能力。最后结合实际算例对所提方法的拟合性能进行验证,结果表明利用模拟退火算法改进的BP神经网络进行高程拟合是可行且有效的,拟合结果优于传统BP神经网络法。     

GPS高程转换的神经元网络方法分析

GPS高程转换是GPS高程应用的关键问题之一，试图应用神经元网络方法来进行GPS高程的转换，并在网络的拓扑结构与网络结构的改进等方面作了分析，通过GPS高程转换的二次曲面法和神经元网络法进行了比较试验，结果表明了神经元网络转换GPS高程的可行性和可靠性，对于应用神经网络转换GPS高程具有实际的指导意义。     

BP神经网络用于GPS高程转换的网络配置

BP神经网络的输入与输出关系是一个高度非线性映射关系,其用于GPS高程转换中有着较高的精度。但它存在不少问题,如网络的隐含层和隐含层节点个数选取尚无理论上的指导,参加学习的样本的质量如何影响仿真精度等。本文结合实例分析了上述问题,从而得出了BP神经网络用于GPS高程转换时网络配置问题的一些相关结论。