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。     

基于小波神经网络GPS高程拟合的应用研究

从GPS高程拟合的现状入手,简单介绍GPS高程拟合的一些方法,重要阐述小波神经网络在GPS高程拟合中的应用,并把具体工程实例的拟合结果与二次曲面拟合和标准BP神经网络拟合的结果相比较。证明了小波神经网络应用于高程拟合是可行的,而且具优势。     

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。     

基于神经网络的GPS高程拟合算法探析

随着GPS定位技术的发展,人们已经能够获得控制点的高精度平面位置,但一直未能以相应精度求解控制点的正常高程。为提高GPS高程测量的精度,以某工程控制网为例,针对BP神经网络方法应用于GPS高程拟合进行比较研究,可见,遗传神经网络应用于GPS高程拟合,其精度优于BP神经网络,且收敛速度加快;退火神经网络应用于GPS高程拟合,拟合效果也优于BP神经网络。     

RBF神经网络在GPS高程拟合中的应用

通过对离散GPS／水准点观测数据进行拟合从而获得区域内任意一点的高程异常是工程实践中经常遇到的问题。利用RBF神经网络方法进行了GPS水准高程拟合实验,并将得到的高程异常结果与采用BP神经网络方法和二次曲面拟合法得到的结果进行了分析比较;通过3种方式的分析比较,证明利用RBF神经网络进行GPS高程拟合的可行性以及相比其...     

RBF神经网络在GPS高程拟合中的应用与精度分析

高程异常值的快速、准确获取是GPS高程数据得到应用的前提。本文提出一种基于RBF神经网络的GPS高程拟合方法,针对RBF基函数中心的确定以及网络模型参数的选择问题,采用K-means算法自适应的实现对RBF基函数中心的选择,在此基础上利用AIC准则完成对网络模型参数的自动寻优,最后采用实际数据对所提方法进行验证,并与传统BP神经网络拟合方法进行对比,实验结果表明所提方法可以获得更好的拟合精度。     

GPS高程拟合方法对比研究分析

不同的GPS高程拟合方法具有各自相应局限性,单一拟合方法在不同测区不具有普适性。针对上述问题,重点研究了二次多项式曲线拟合、多面函数拟合、二次曲面拟合、BP神经网络法等四种GPS高程拟合方法,结合实际工程项目,对研究区域进行高程拟合,分析实验结果,评定拟合精度。通过对四种拟合方法所得结果分析对比得到结论:四种方法均满足四等水准测量要求,拟合残差均小于3 cm;BP神经网络拟合在精度上高于其他三种;根据各拟合方法的特点及适用范围,正确使用拟合方法是获得高精度正常高的必要条件。本文研究成果对不同环境下GPS高程拟合具有相应的应用与参考价值。      

基于双三次曲面的GPS高程拟合及其程序

为了解决工程实践中GPS所测大地高与正常高的转换,给出了一种基于双三次曲面的GPS高程拟合方法及其程序,通过实测数据及所编程序计算对比一次曲面和二次曲面GPS高程拟合结果,研究表明,基于双三次曲面GPS高程拟合具有较高的精度。     

神经网络在GPS高程拟合中的应用

由于神经网络具有较好的自组织、自适应的特点,从而被广泛应用于GPS高程拟合等领域中。采用前馈型神经网络newff（）和反馈型神经网络newelm（）两种模型,在Matlab语言环境下实现GPS高程拟合,并与二次曲面拟合的结果进行比较。     

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。     

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。     

基于区域与分区拟合似大地水准面方法研究

与传统测量方式比较,全球定位系统(global positioning system,GPS)测量具有定位精度高、测量时间短、操作简单、全天候作业等优势,利用GPS观测得到的大地高拟合成正常高可以大大提高测绘效率。研究了二次曲面法拟合似大地水准面模型,以豫北某区域为研究区,分别作整体区域二次曲面拟合和分区二次曲面拟合,并进行精度分析,结论如下:通过提高GPS测量的大地高精度和选用高精度的联测水准点,能够有效提高拟合后的高程精度;测区面积较大和测区地形起伏较大时,采用分区拟合高程的精度相对于整体区域拟合的精度会大大提高。     

利用von Karman模型的Kriging插值用于GPS高程拟合

针对传统的GPS高程拟合方法要求学习样本分布要均匀的缺点,以平滑自协方差函数为基础,应用基于von Karman模型的Kriging方法用于GPS高程拟合,提出"曲线法"来计算von Karman模型中的v值。通过某测区GPS联测水准数据的计算,与多项式曲面拟合法及传统半变异函数Kriging插值等方法比较,表明:基于vonKarman模型的Kriging方法,对于学习样本数据分布不均的地区拟合精度更高,更适合地形条件恶劣地区GPS高程拟合。     

基于粒子群优化的BP神经网络在GPS高程拟合中的应用

讨论了利用粒子群优化(PSO)算法来训练BP神经网络的权值和阀值的原理,分析了三种GPS高程拟合实例,结果表明PSO-BP模型可以应用于GPS高程拟合中。     

GPS高程拟合的方法比较

GPS高程拟合的方法有很多,各有其优点和适用范围。本文在最小二乘估计算法的基础上,讨论主成分估计法和半参数模型估计法及各自的优点,并利用六参数模型的最小二乘估计、主成分估计和半参数模型三种拟合方法对GPS高程进行拟合,通过实例计算结果比较分析,得出半参数估计方法优于其他方法,在一定条件下精度高的优点。最后得出半参数估计方法精度达毫米级,论证了其在实际应用中的优越性。     

曲面拟合模型在小区域GPS高程拟合中的应用

虽然GPS技术非常成熟,应用普遍,但其高程测量精度仍未超过国家等级几何水准测量的精度,究其原因除在GPS测量过程中存在各种观测误差外,最主要的是两种测量方法所采用的基准面不同。本文主要是通过在吉林松原灌区的GPS高程拟合工作,提出了在测区范围较小且测区内地形条件一般的情况下,二次多项式曲面函数拟合优于多面函数拟合的观点。     

GPS高程曲面拟合的Matlab算法实现

介绍了Matlab软件的特点、功能以及GPS高程拟合中多项式曲面法的基本原理,以内蒙古某矿区实测数据为例,给出了高程拟合的算法,并用Matlab代码加以描述,实现了数据处理的自动化,验证了Matlab在GPS高程曲面拟合中的可行性,也弥补了一些商业软件的不足。     

基于遗传算法的RBF神经网络在GPS高程拟合中的应用

本文针对RBF神经网络中隐含层径向基中心值的确定,利用遗传算法对其进行优化,并应用于高程拟合的实验研究中。通过将遗传算法优化的RBF神经网络与K-均值优化的RBF神经网络及标准RBF神经网络进行高程拟合的误差对比分析表明:遗传算法优化的RBF神经网络提高了拟合的稳定度,改善了精度。