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.     

基于BP神经网络的三维激光测高数据拟合方法

针对三维激光测高拟合问题，本文采用BP神经网络进行拟合，该方法可以有效地消除或减弱数据中的系统误差影响，提高计算精度。实际算例证明，在数据无粗差情况下，BP神经网络的内符合与外符合精度优于传统的二次曲面拟合的精度。     

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。      

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。     

三层模型的BP网络在GNSS高程拟合中的应用研究

针对我国绝大多数矿山地区还没有实现大地水准面精化的现状,利用BP模型实现这些地区GNSS高程的高精度转换。首先利用传统数学模型进行GNSS高程拟合,然后进行两个输入元、不同中间神经元与单一输出元的三层BP神经网络下的二次数据拟合,通过BP网络自适应映射能力实现非线性运算,避免人为构建模型误差,进而提高GNSS高程转换的精度,优势明显。利用某矿山实际工程数据对BP模型结构拟合结果进行了实际验证,得出矿区高程拟合差值平均误差可达到0.000 1 m,中误差0.028 3 m。BP模型还解决了矿区进行GNSS水准拟合时由于大地水准面的不确定致使拟合精度不稳定的问题。     

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。     

公路工程GPS网高程拟合问题的BP网络结构探讨

近年来人工神经网络（ANN）已开始在工程中得到应用，在公路工程GPS网中如何采用BP人工神经网络实现高程拟合并根据测量数据特点确定BP网络结构，加快网络权值学习速度，依据训练样本特征选取样本数量等问题有待进一步探讨。本文通过GPS高程拟合的BP网络应用，讨论了BP网络的结构确定和应用训练样本数量的实例，介绍了BP网络在公路工程高程测量数据处理这类函数逼近中的应用。     

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。     

BP神经网络在GPS高程异常拟合中的应用

以提高GPS高程异常拟合的精度为目标,针对实际工程数据,对BP网络模型进行详细的设计,应用BP神经网络方法进行粗差的剔除和高程异常拟合实验及模型精度的评定,得到较满意的结果。通过与多面函数法得到的结果进行比较,证实该模型可使拟合精度有较大提高。     

BP神经网络在GPS高程转换中的应用

探讨BP神经网络的方法对GPS高程转换,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神经元的基础上,实现了GPS高程转换的BP模型优化。     

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。     

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。     

基于MATLAB的高程拟合程序的设计

利用MATLAB高效的数学计算能力和方便实用的编程技术,结合GPS高精度、高分辨率的大地水准面模型可以获得地面点的正常高,从而可以代替劳动强度大、效率低的水准测量。利用GPS水准测量成果及重力数据,按照几何方法来拟合高程异常的值,重点探讨了利用多项式、多面函数和BP神经网络等方法进行拟合时程序的设计,并针对某一地区用此程序进行了试验,同时对试验结果进行了分析和比较。     

基于LS-SVM的GPS高程转换及其抗差性研究

论述LS-SVM的原理及算法,并结合GPS高程拟合问题,建立了相应的GPS高程拟合模型。利用实例数据,从模型精度角度与多项式拟合、BP神经网络拟合的结果进行对比分析,并选取LS-SVM和BP神经网络进行了模型抗差性分析。结果表明,LS-SVM拟合具有较高的拟合精度和较好的抗差性。     

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。     

GPS高程分区拟合法在地形复杂地区的应用研究

GPS高程拟合方法已广泛应用于各类工程测量中,是目前提高高程测量效率的有效手段。在地形复杂地区,利用分区拟合方法能更加客观地表达出似大地水准面的真实状况。以绥江县城新址边坡监测为例,利用分区拟合法进行高程拟合,并将其拟合结果与平面拟合法、二次曲面法、多面函数法、BP神经网络等经典拟合模型的拟合结果进行比较,得到分区拟合法在地形复杂地区具有更高的拟合精度的结论。     

BP神经网络和SVR用于GPS高程拟合研究分析

首先介绍BP神经网络和SVR方法(支持向量机回归)用于GPS高程拟合的原理,然后通过实际数据比较BP算法和SVR在GPS高程拟合中精度。结果表明,以结构风险最小化为准则的学习方法SVR,其泛化能力明显比BP神经网络好,在工程中具有一定的实际应用价值。     

BPSA混合策略在GPS高程拟合中的应用

针对误差反向传播(BP)算法训练速度慢和易于陷入局部最小值的缺点,利用BP算法监督学习特点,模拟退火算法(SA)在局部极小处的概率突变性,有效结合BP和SA算法,提出一种BPSA混合学习策略。将其应用于GPS高程拟合,并以实例验证了该算法的有效性。     

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...     

GPS水准拟合方法的比较

对GPS水准的原理及方法进行介绍,并介绍GPS水准中常用的几种拟合方法,最后利用实测数据对二三次曲面拟合法的适用性及参数对拟合结果的影响进行比较,通过对实验结果的分析,得出有参考价值的结论与建议。