模糊神经网络在GPS高程转换中的应用

介绍了T-S模糊神经网络的基本原理以及如何确定GPS高程转换的模糊神经网络模型，并采用该模型对实测数据进行了计算分析。结果表明，模糊神经网络能够对小区域GPS高程做出比较准确定的拟合，从而能够为GPS高程转换提供一种较好的方法，能够满足实际工程需要。     

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...     

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。     

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.     

GPS高程拟合方法研究

GPS测量获得的高程数据是以WGS-84椭球为基准的大地高,而工程中采用的是以似大地水准面为基准的正常高,两者之间存在高程异常。当前,主要采用GPS高程拟合求取高程异常值,而利用GPS高程拟合获得满足一定精度的正常高是测绘行业的研究热点之一。本文通过某测区GPS控制网数据与水准测量数据,采用多项式曲线拟合法、多面函数拟合法、二次曲面拟合法、RBF神经网络拟合法、二次曲面拟合法与RBF神经网络组合拟合法求取高程异常值。结果表明:1)单一拟合法的拟合精度低于组合拟合法拟合精度。2)依据内、外符合精度,本文采用的5种高程拟合方法均满足四等水准测量要求。因此,在精度允许的前提下,可借助GPS高程拟合方法代替传统水准测量,进行高程值的获取。研究成果对GPS高程拟合在实际工程中的应用具有重要参考价值。     

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。     

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。     

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。     

多面函数拟合法转换GPS高程

对GPS在高程方面的应用现状作了简单的介绍,综述近年来用GPS求定正常高的几种方法,即多项曲线拟合、多项式曲面拟合、多面函数曲面拟合、加权均值法、非参数回归法和高程异常变化梯度法、固定边界三次样条插值法、线性移动拟事法、神经网络法、非格网GPS散点数据考虑地形改正法。对GPS高程测量基本原理和基本方法进行了讨论,提出根据测区的实际情况选择不同的GPS高程转换方法,综合利用GPS点的高差和高程观测值拟合高程异常的方法,利用多面函数来拟合似大地水准面。     

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。     

改进BP神经网络算法用于GPS高程转换的应用

介绍了用改进的BP神经网络算法转换GPS高程为正常高,并以青东煤矿首采工作面地表移动观测站的GPS数据为例,与标准的BP算法和多项式曲面拟合方法作比较,改进的BP算法在转换GPS高程中减少了BP神经网络的训练时间,提高了转换效率,且精度良好,可用于GPS高程转换。     

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。     

基于RBF神经网络的GPS高程异常拟合

由GPS静态相对定位获取三维基线向量,通过GPS网平差可以获取高精度的、相对于WGS84椭球的GPS大地高,而在实际工程中应用的高程则为正常高,因此必须进行高程异常的拟合。结合水准测量的实测数据,分别采用RBF神经网络方法和多项式曲面拟合方法拟合某测区的GPS点的高程异常,计算各点的拟合残差,并对2种方法的精度进行比较分析,得到该地区解算正常高最适用的方法。     

基于LM-BP神经网络的GPS高程拟合算法研究

提出了基于LM-BP神经网络方法转换的GPS高程拟合算法,并与传统拟合方法进行了比较。经实例验证,基于LM-BP神经网络的GPS高程拟合优于传统拟合方法,特别是在拟合点较少的大范围GPS拟合中显著改善了拟合高程的精度,具有一定的实用价值。     

组合模型的GPS高程转换及精度分析

针对二次曲面模型在地形起伏较大区域用于GPS高程转换中存在较大的模型误差的问题,该文构建了二次曲面-RBF神经网络组合的GPS高程转换模型,组合模型中用二次曲面拟合高程异常中的中长波项,用RBF神经网络来泛化高程异常去除中长波后的残余项,并进行了二次曲面模型、RBF神经网络模型及二次曲面-RBF组合模型的实测数据GPS高程转换、比较分析与精度评定。实例结果表明:该组合模型比二次曲面模型的转换精度提高了22%,比RBF神经网络模型的转换精度提高了40%,该组合模型的转换方法可行、精度优于单一模型。     

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.     

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。     

浅析GPS高程拟合在城镇控制测量中的应用

GPS测量的大地高精度达到了(3～4)×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。     

PSO-RBF在似大地水准面精化中的应用

选取适当的GPS/水准点计算出实测高程异常,移去EGM2008模型求得的重力高程异常,结合PSO-RBF神经网络对残余高程异常进行拟合,有效地提高了GPS高程拟合的精度。通过实例验证了该方法的可行性。