GPS水准多项式拟合自动优选算法

GPS水准中,无论采用几何法还是重力法建立高程异常模型,通常都要采用曲面拟合技术。多项式曲面拟合是一种常见的方法,但该法在选取结点、多项式阶次时却存在一定的人为因素。为了克服这一问题,给出了优选算法并进行了计算机编程,实现了对常用502种阶次组合进行自动优选的功能。此外,对该算法确定的拟合正常高精度及可能达到的水准测量等级等用户所关心的问题也进行了探讨。     

多项式曲面拟合和BP神经网络GPS高程拟合方法的比较研究

为了研究不同GPS高程拟合方法的拟合精度及差异性,选择二次多项式曲面拟合法和BP神经网络法进行比较研究.对已知数据进行分组,采用二次多项式曲面拟合法和BP神经网络法分别对各组数据进行处理、分析,计算精度指标,比较拟合点的分布、拟合点的数量和拟合方法对精度的影响.试验算例表明采用相同方法时拟合点的数量越多、分布越均匀拟合精度越高;在点的数量相同且较多,分布都相对均匀的前提下,BP神经网络法拟合的精度高于二次多项式曲面拟合法;在点的数量相同且较少,分布都相对均匀的前提下,BP神经网络法拟合的精度低于二次多项式曲面拟合法.     

提高GPS高程拟合模型精度的有效方法

在调兵山地区,选择76大地高和正常高都已知的点作为原始数据,采用多项式拟合加权平均法建立该地区大地水准面,包括泰勒二次多项式加权平均法和双二次多项式加权平均法。通过实例发现,泰勒二多项式曲面加权平均法和双二次多项式加权平均法对高程异常的短波项有很好的改进效果,拟合残差值比较大的点采用泰勒二次多项式曲面加权平均法和双二次多项式加权平均法残差值变小,大大提高了拟合模型的精度,改善了拟合模型。     

一种基于分层自适应移动曲面拟合机载LiDAR点云数据滤波方法

为提高机载Li DAR数据滤波精度,提出了一种分层自适应移动曲面拟合法滤波。通过改进均值限差法,对原数据进行"粗滤波";之后以Mean Shift算法进行数据分类,建立虚拟格网索引结构,通过二次多项式进行曲面拟合,以自适应阈值进行"精滤波"。实验结果表明:该方法的适应性强,滤波结果具有较高的准确性。     

二次多项式拟合法和多面函数拟合法在GNSS高程测量中的应用

介绍了高程异常模型拟合的两种曲面拟合方法,即二次多项式拟合法和多面函数拟合法,详细推导了其数学模型。通过自编软件,在两种控制点选择方案下对某大面积、地势平缓区域的实测数据进行计算、比较和分析,验证了二次多项式拟合法、多面函数拟合法均可拟合出高精度区域高程异常模型的可行性。结果表明,采用GNSS高程测量模式完全可以取代传统四等水准测量。     

GPS高程拟合方法的研究

本文选取某地区74个已知点(大地高和高程异常值已知)作为实验数据,选择46个点作为建模点,选择28个点作为外检验点,选择多项式曲面拟合模型和双次多项式曲面拟合模型及泰勒多项式拟合模型的方法来建立该地区GPS高程拟合模型,并研究不同模型对拟合精度的影响。通过VB程序设计语言实现拟合模型的建立并进行精度比较。通过实验证明,在多项式曲面拟合模型中二次曲面模型拟合效果最好,次数增加时出现龙格现象;在双高次曲面拟合模型及泰勒多项式曲面拟合模型中双三次拟合和泰勒二次多项式拟合效果最佳。通过实验比较,可以得出在多项式曲面拟合模型中双三次曲面拟合模型的拟合效果最好。     

GPS高程曲面拟合算法的精度分析

在GPS高程测量中需要将大地高转换为正常高。本文对GPS高程的多项式曲面拟合、多面函数拟合和移动曲面函数拟合算法进行了比较分析。结果表明,三种拟合算法均能达到四等几何水准的要求,但移动曲面拟合算法精度最高,多面函数拟合算法精度最低。     

多级移动曲面拟合LIDAR数据滤波算法

为提高城市区LIDAR数据滤波精度, 提出了一种多级移动曲面拟合滤波方法。建立区块网格搜寻及索引机制完成对离散LIDAR点云的标示; 通过建立二次多项式完成参考曲面的拟合, 不同窗口大小获得不同层次的拟合曲面; 设置自适应阈值, 完成地面点与非地面点的判断。精度评价结果表明, 该滤波算法误差在1m以内, 能够满足实际应用的需求。     

基于二次多项式的AOD数据融合方法

针对Aqua和Terra MODIS AOD数据利用线性回归算法拟合结果不够精确的问题,本文提出了二次多项式回归算法对其进行拟合,二次多项式是指这个多项式的项数超过1,且最高次方数为2。采用二次多项式回归和线性回归算法分别对2015年随机选择的一天和4-6月的AOD数据进行拟合,并将两种方法拟合的结果进行对比分析。研究结果显示,针对同一组Aqua和Terra MODIS AOD数据的拟合,二次多项式回归方法拟合得到的RMSE、MAE、R值比线性回归拟合方法得到的值精度都要高很多,说明二次多项式回归拟合方法在Aqua和Terra MODIS AOD数据的拟合方面优于线性回归方法的拟合,证明了二次多项式回归拟合方法适用于此方面的研究,而且能够提升Aqua和Terra MODIS AOD数据拟合结果的精度。     

基于LM算法的BP神经网络在GPS高程拟合中的应用

介绍了一种快速收敛学习的基于LM算法的BP神经网络．它克服了传统BP网络训练速度慢和易于陷入局部最小值的缺点，通过实例应用将其结果与二次、三次多项式曲面拟合结果进行比较，验证了该方法的有效性。