基于改进鲸鱼算法优化神经网络的GPS高程拟合方法

采取混沌映射和自适应惯性权重结合的策略对标准鲸鱼算法进行改进,从而提高算法的全局寻优能力和收敛速度,并针对BP神经网络的劣势,利用改进鲸鱼算法对BP神经网络进行优化处理。在此基础上建立改进鲸鱼算法优化BP神经网络的GPS高程异常拟合预测模型,并通过两组不同地形特征工程中的GPS数据对模型进行验证。结果表明,利用改进鲸鱼算法优化的BP模型进行GPS高程拟合时可取得更高的精度和稳定性。     

基于MVO优化神经网络的GNSS高程异常拟合方法

针对普通神经网络的梯度消失和易陷入局部极值的问题,提出一种基于多元宇宙优化算法(multi-verse optimizer, MVO)的BP神经网络优化方法(MVO-BP),利用MVO全局寻优的特性求取BP神经网络各层之间可靠的神经元阈值与连接权,从而使神经网络预测模型具备更高的预测精度。建立基于MVO-BP算法的GNSS高程异常拟合预测模型,并采用实际工程中少量高程异常数据进行算法可行性检验。结果表明,相较于常规的BP神经网络法及多面函数法,MVO-BP法精度更高、适用性更强,可为实际工程测量中正常高的求取提供参考。     

基于移去-恢复法的局部似大地水准面精化模型对比研究

针对似大地水准面在精化过程中不同移去-恢复高程转换模型的适用性和选取问题,基于二次曲面和EGM2008重力场模型,分别构建了RBF神经网络、多面函数和Shepard等3种类型的移去-恢复模型,结合平原和高原山区两个工程实例,通过调整高程拟合点数目进行似大地水准面拟合与精度对比。结果表明,在平原地区,EGM2008-多面函数高程模型精度略优于其他模型;在高原山区,当拟合点数较少时,基于EGM2008的移去-恢复模型精度高于基于二次曲面的移去-恢复模型,其中,EGM2008-多面函数和EGM2008-Shepard较优,而随着拟合点数目的增加,二次曲面-Shepard高程转换模型的精度优于其他模型。     

不同组合方法对GPS高程拟合的影响

针对平面拟合、二次曲面拟合和GA-BP神经网络3种模型的各自特点和适用范围,为综合各模型优点、提高高程拟合的精度与可靠性,对比分析了不同非线性组合和线性组合方法,即RBF神经网络组合、加权最小二乘支持向量机（WLSSVM）组合和最优加权组合、最优非负变权组合等对GPS高程拟合精度的影响。理论分析和算例结果表明,不同组合方法对GPS高程拟合精度的影响不同,WLSSVM组合和最优非负变权组合的拟合效果较好,可靠性较强|最优非负变权组合能较好地控制残差极值,有效减小误差区间,且转换精度较高。     

基于小波变换与RBF神经网络的GNSS水汽值预测研究

利用小波变换与RBF神经网络方法预测河北省GNSS水汽值。首先对GNSS测站水汽序列进行小波分解,然后利用RBF神经网络对小波分解的高频与低频信号进行预测,最后通过实验选择合适的高频与低频信号结果重构获得GNSS水汽值预测值。以实测GNSS水汽值为标准,基于小波变换与RBF神经网络预测的GNSS水汽值精度高于单一RBF神经网络预测精度,但预测结果的精度随着预测时长的增加而降低。     

基于改进小波神经网络的GPS高程拟合研究

针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型.为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度.以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证.结...     

附加随机模型的GPS高程转换方法

提出在已有GPS高程转换函数模型的基础上,通过增加随机模型以提高GPS高程转换精度,并以二阶多项式拟合函数模型增加随机模型为例,验证了该方法能进一步提高GPS高程转换精度.     

基于蚁群算法的多面函数在GPS高程拟合中的应用

针对多面函数拟合法的中心节点难以选取的问题，提出将蚁群算法引入多面函数并结合稳健估计构建高精度拟合模型的方法。利用蚁群算法在复杂地形中快速寻找特征点，与少量非特征点共同作为中心节点参与模型构建，将稳健估计加入多面函数，运用选权迭代法剔除粗差对拟合模型的影响。GPS高程拟合数据处理实例表明，基于蚁群算法的多面函数结合稳健估计的拟合方法可有效剔除粗差的影响，且拟合精度比只用均匀格网法提高26%。     

提高GPS拟合高程精度的方法

GPS测量高程为WGS84系统的大地高,通过加入高程异常求得正常高。利用测区内几个GPS水准点上的已知高程异常进行拟合,求得该测区高程异常分布的数值模型,得到其它未知点的正常高。目前,常用的拟合方法有平面拟合法、二次曲面拟合法、多面函数法等,笔者以海阳市控制网的布设,探讨了影响GPS拟合高程精度的因素,提出了提高GPS拟合高程精度的方法。     

基于三频GIF组合的载波相位观测精度分析

鉴于三频GNSS在削弱观测误差方面的优势，基于GNSS三频载波观测独立等精度的假设，在利用滑动多项式拟合实现三频载波无几何无电离层GIF组合观测精度快速估计基础上，研究了一种载波观测精度快速估计算法。GPS和BDS三频数据实验结果表明，该算法可实现三频载波观测精度的快速估计，为快速精密单点定位提供准确的随机函数模型。     

����Bayesian����BP�������GPS�߳�ת��

?????BP?????????????????????????????????????Bayesian?????????BP??????????????????????????GPS??????????????????L-M????????????????????????Bayesian??????BP????????????????????????????????????     

垂线偏差的确定方法及精度分析

基于美国GSVS2011计划完成的高精度GNSS水准数据及垂线偏差数据,研究确定地面垂线偏差的数值拟合法、GNSS水准法、地球重力场模型法和基于移去恢复技术的数值拟合法等方法的精度。结果表明,数值拟合法、地球重力场模型法和基于移去恢复技术的数值拟合法都具有较好的精度,其中Biharmonic(v4)直接拟合法效果较好,移去恢复技术能在一定程度上提高数值拟合精度,而GNSS水准法精度相对较差。     

����ѧϰ���������Ӳ�Ԥ���е�Ӧ��

?????????????????????????????Sigmoidal??Sine??Hardlim??????????????????????????????????????????????????????б??????????????????????????????????????????????????????????????????????磬?????Sigmoidal????????????????????????     

���������Ż�RBF�����ڶ�̬����Ԥ���е�Ӧ��

?????????????????????????????????????????????????RBF?????????????????????CIOA????RBF??????????????????????????????CIOA?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????RBF???????????????????????У???Ч????????????????????     

顾及时变非高斯噪声的高斯和滤波及其导航应用

高斯和滤波可利用高斯混合模型精化非高斯噪声随机模型来提高估计精度,但导航测量环境的动态性和复杂性使非高斯噪声具有时变性特征,若GMM不随之调整会导致滤波解算失真。针对该问题,本文提出一种基于位移参数自适应估计的高斯和滤波算法。首先分析GMM位移参数对非高斯噪声拟合精度的影响,然后利用位移参数自适应技术修正GMM,进而改善高斯和滤波性能。实验结果表明,当GNSS/SINS量测模型存在时变非高斯噪声时,本文算法的滤波结果较传统高斯和滤波算法的波动小,抗干扰能力强,在实际应用中可进一步改善估计精度和稳定性。     

遗传算法优化支持向量机在大坝变形预测中的应用

建立大坝变形预测的支持向量机模型,并用遗传算法对支持向量机模型的核函数参数、惩罚参数和损失参数进行优化。将同一优化方法不同支持向量机核函数、不同优化方法同种支持向量机核函数进行横向对比,将BP神经网络、自回归AR(p)模型、多元回归分析法和周期函数拟合法进行纵向对比。结果表明,该GA-SVM(RBF)模型不仅能较好地预测大坝的变形趋势,而且能大幅提高预测精度。