径向基神经网络GPS高程转换方法

针对GPS高程转换问题,给出了基于径向基神经网络转换GPS高程的模型。用实际观测数据对该模型进行了试验,结果表明,用径向基神经网络转换GPS高程精度高于二次拟合法和BP神经网络法。径向基神经网络能够有效克服BP神经网络局部极小值的缺点,并且具有较高的收敛速度,在GPS高程转换方面具有广阔应用前景。     

面向MATLAB转换GPS高程的神经网络方法

GPS高程转换是GPS应用的关键问题之一。本文介绍了MATLAB中的BP神经网络工具箱常用函数以及实现步骤,设计了转换GPS高程的三种方案,利用MATLAB开发工具实现了BP神经网络转换GPS高程的方法。实例计算表明,采用合适的训练函数,选用好的网络结构,利用BP神经网络方法可以取得比二次多项式曲面拟合法更高的转换精度。     

用地球位模型和BP神经网络转换GPS高程

研究了转换GPS高程的地球位模型和BP神经网络的拟合方法.用已知GPS水准点的高程异常移去地球位模型高程异常,然后对剩余高程异常通过BP神经网络拟合和内插,在内插点上恢复地球位模型高程异常,从而得到该点的高程异常.通过实测GPS水准数据将该方法与基于地球位模型和二次曲面的拟合方法进行了比较.试验结果表明,该方法转换GPS高程的精度优于基于地球位模型和二次曲面的拟合方法,能够满足一定的工程应用需求.     

基于改进BP学习算法的GPS高程转换

在应用BP神经网络转换GPS高程中,针对标准BP算法的不足,给出改进的学习算法,通过应用不同BP学习算法来转换GPS高程的实例分析比较,得出改进的BP算法在转换GPS高程中可以大大减少BP神经网络的训练时间,提高高程转换的效率.     

关于BP神经网络转换GPS高程的若干问题

人工神经网络应用于GPS高程转换，目前仍存在许多问题有待进一步的研究。本文就应用BP神经网络模型转换GPS高程中的隐含层数确定、隐含层节点数的确定、网络训练次数、学习速率选择、初始权值等问题进行较深入分析研究，得到一些有益的结论。     

基于Kriging估计的GPS高程转换

随着GPS测量精度的不断提高，其平面测量已经在多种领域得到应用，成为测量工作的一个全新的手段与工具，但在GPS测高方面需要改善和研究。Kliging方法是地统计学的基本方法，其理论核心是变异函数，它是一种最好的线性无偏估计法，在地理学、生态学、环境科学等领域都得到了广泛的应用，取得了很好效果。本文在详细介绍kriging法的基础上，建立了Kriging法的GPS高程拟合模型，利用该模型对两个实例的GPS高程数据拟合，得到了正常高，结果表明Kriging法在GPS高程拟合中的应用精度达到厘米级，且得出了一些有益的结论，为以后GPS高程的应用提供一些参考。     

基于不同定权的移动曲面模型的GPS高程转换

讨论了采用不同定权方式的移动趋势曲面拟合法在山区GPS高程数据转换中的应用，比较分析了拟合精度，改进了山区GPS高程转换的精度。     

GPS高程拟合的BP人工神经网络算法及结构探讨

分析了GPS高程异常求解的三种常用方法,对转换GPS高程的BP人工神经网络算法及模型结构进行了较详细的试验研究,结合GPS测量和水准测量资料,对拟合精度进行了分析比较,得出了有实用价值的结论。     

GPS高程拟合在水利工程中的应用与探讨

GPS平面控制网已经得到了广泛的运用,但是GPS高程测量却运用得还不够,人们期望着能够用GPS高程测量代替传统的水准测量。本文对GPS高程测量的原理和方法进行了初步的探讨,并结合GPS高程测量应用的实例,建立了高程转换的数学模型。经测试,在平原或丘陵地区,拟合出的正常高高程能够满足一般工程和大比例尺测图的精度要求,在一定程度上降低了生产成本。     

基于区域椭球法的似大地水准面精化研究与实践

GPS技术已经非常成熟,但是GPS高程属于大地高系统,而我国实际水准数据采用的是正常高系统。导致GPS高程不能直接运用,降低了GPS数据的利用效率。本文应用区域椭球的定位定向拟合方法,通过对椭球的定向进行调整,以消除椭球面相对于投影面的倾斜异常,并应用软件实现该转换。经在某工程应用中对比,得出区域椭球法具有可观的应用前景。     

用神经网络方法转换GPS高程

本文提出用神经网络方法转换ＧＰＳ高程为正高或正常高,给出一种改进了的ＢＰ神经网络拓扑结构和算法,并用ＧＰＳ的实际定位资料构成４３个样本集作了在计算分析,估算的精度达到厘米级、最后用网络方法与二次多项式曲面拟合大地水准面转换ＧＰＳ高程的方法作了比较,神经网络方法的精度优于二次多项式曲面拟合法,而且精度比较稳定,对已知样本点的数量要求较少。     

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。     

平坦地区GPS高程异常拟合方法研究

结合GPS测量和水准测量资料,用BP人工神经网络和RBF人工神经网络方法和二次多项式曲面拟合方法拟合高程异常,对平坦地区GPS高程异常拟合精度进行比较分析,得出有实用价值的结论。     

平坦地区GPS高程异常拟合研究

GPS测量所提供的高程为相对于WGS-84椭球的GPS大地高,而我国使用的是正常高。大地高等于正常高与高程异常之和,要使GPS高程在工程实际中得到应用,必须先求出高程异常,进而获得正常高。结合GPS测量和水准测量资料,用神经网络方法和二次多项式曲面拟合方法拟合高程异常,对拟合精度进行了分析比较,得出了有实用价值的结论。     

GPS高程异常拟合研究及精度分析

本文论述了正交多项式和基于BP人工神经网络的GPS高程异常拟合原理,分析了这几种算法的优缺点。并结合实例计算,比较分析各方法的精度。最后得出改进的BP神经网络的方法精度要优于多项式拟合和标准BP算法。     

转换GPS高程的遗传神经网络方法

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息。把遗传算法和神经网络智能技术相结合,利用神经网络作为模型,以遗传算法作为权值进化算法进行GPS高程转换,提出了该算法的基本思想和算法实现过程。并通过实例进行计算,结果表明该算法用于GPS高程转换具有较好的精度,具有一定的实用价值。     

转换GPS高程的遗传神经网络方法

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息.把遗传算法和神经网络智能技术相结合,利用神经网络作为模型,以遗传算法作为权值进化算法进行GPS高程转换,提出了该算法的基本思想和算法实现过程.并通过实例进行计算,结果表明该算法用于GPS高程转换具有较好的精度,具有一定的实用价值.     

城镇控制测量中GPS高程拟合分析

GPS测量的大地高精度达到了3×10-6～4×10-6,本文结合城镇控制测量对GPS高程拟合情况进行了分析。研究结果表明,通过施测少量均匀分布的GPS点的水准高程,采用BP神经网络方法拟合GPS点正常高可以部分替代水准高程或三角高程。     

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.     

关于BP神经网络转换GPS高程的若干问题

BP神经网络用于GPS高程转换有着较高的精度,但也存在不少问题,如网络的隐含层和隐含层单元个数选取、参加学习的样本的质量如何影响仿真精度等。结合实例分析上述问题,得出一些结论。