BP神经网络在局部似大地水准面精化的应用

针对高程拟合中的模型误差问题,采用BP神经网络方法进行拟合,可以减小模型误差,提高似大地水准面的精化精度。在焦作市局部似大地水准面精化算例中,BP神经网络高程拟合取得了良好的效果。     

RBF神经网络组合模型在GPS高程拟合中的应用

针对函数模型和BP(back propagation)神经网络等常用GPS高程拟合方法模型单一、拟合精度不高的问题,本文在上述模型高程异常拟合的基础上使用RBF(radial basis function)神经网络对拟合残差值进行二次拟合,对高程异常拟合值进行残差改正以提高拟合精度。从内外符合精度、拟合残差大小分布等方面对组合模型和单一模型拟合结果进行对比,结果表明:组合模型的拟合精度相较于函数模型有显著提高,但对BP神经网络的拟合结果改善不明显。     

基于神经网络的似大地水准面模型精化方法研究

似大地水准面的精化与高程异常的求解是同一个概念,为提高似大地水准面精化的精度,采用格网＋神经网络方法,借助神经网络BP方法,建立高程异常与坐标之间的函数关系;用训练好的神经网络模型和固定间隔的格网,建立格网模型;在已建好的格网模型中,内插出给定点的高程异常值。结合江苏省C级GPS水准网进行试验,拟合效果有明显的改进,克服了目前研究中存在的问题。     

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。     

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.     

基于不同激活函数ELM的无人机实测数据高程拟合算法

为找出无人机实测数据高程转换拟合的方法,本文基于不同激活函数激活极限学习机模型得到ELMS、ELMR、ELMH3种模型,并将计算结果与广义回归神经网络模型和BP神经网络模型对比,结果表明:基于5种模型可对无人机实测高程数据的异常点进行筛选并剔除,3种ELM模型对于高程点的筛选结果基本一致,共筛选出了21个高程异常点,GRNN模型精度次之,BP神经网络模型精度最低,ELM模型在不同激活函数下的计算精度有所不同,其中ELMS模型在高程点剔除和高程数据拟合中精度最高,RMSE仅为0.157m,而Ens和R2分别达到了0.944和0.968,可为无人机实测数据高程转换拟合的标准模型使用。     

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。     

基于遗传算法优化BP神经网络的GNSS高程转换

针对大地高转换成正常高的高程转换问题,本文提出了遗传算法优化BP神经网络在GNSS高程转换中的方法,并利用某矿区观测站实测GNSS/水准数据,将遗传算法优化BP神经网络和曲面拟合进行比较,结果表明:在较大区域和高程异常呈不规则的情况下,遗传算法优化BP神经网络相比较曲面拟合可有效提高GNSS高程转换的精度。     

三种高程异常拟合模型比较

将二次曲面、BP神经网络、最小二乘支持向量机应用与高程异常拟合,并用某地区数据进行了实验验证,结果表明,最小二乘支持向量机应用于高程异常拟合精度最优。     

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。     

区域内插点的分布对GPS高程异常的影响

在GPS高程异常拟合中,选取分布不同的内插点,采用二次曲面、BP神经网络和RBF神经网络3种方法,对两种点位分布情况进行高程异常值的拟合。拟合后的数据采用了格拉布斯准则检验各种拟合模型的外推点数据的粗差情况,并查找剔除粗差。分别对两种情况进行精度分析,评定不同内插点的分布对高程异常的影响。实例分析证明,在实验地区均匀分布的内插点,无论是内插点的精度,还是外推点的推估精度都有明显的提高,合理地选取内插点,有利于高程异常精度的提高。     

基于BP神经网络的Shepard曲面拟合方法在区域似大地水准面中的应用

在几何模型拟合区域水准面过程中,每种模型拟合高程都存在一些缺陷。在分析BP神经网络和Shepard曲面拟合方法各自优势的基础上,提出一种基于BP神经网络的Shepard曲面拟合方法的混合模型,并通过实例论证得出其拟合精度可达到厘米级,能满足一般工程的需要,解决了区域高程拟合单一模型的缺陷问题。     

基于GSA-BP神经网络的GNSS高程拟合方法

针对传统BP神经网络模型进行全球导航卫星系统(Global Navigation Satellite System, GNSS)高程拟合时存在的收敛速度慢,易陷入局部极小值和拟合精度受初始参数选取影响大的问题,提出一种遗传模拟退火算法(Genetic Simulated Annealing,GSA)优化的BP神经网络模型:GSA-BP.该模型利用GSA的全局搜索能力对BP神经网络的模型参数进行自动寻优,确保BP网络能够获取全局最优解并提升拟合精度.最后采用实际工程算例开展试验,对所提GSA-BP模型的高程拟合性能进行评估和验证,结果表明所提GSA-BP模型相对于传统BP神经网络模型具有更高的拟合精度和更强的数据适应性,更适用于实际工程实践场景.     

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.     

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。     

基于最小二乘配置法的BP神经网络GPS高呈异常拟合方法研究

传统的BP神经网络在GPS高程异常拟合应用有其一定的局限性,特别是在对于外推高程异常值方面,传统的BP神经网络的不足表现得尤为明显.针对高程异常的特性,既有趋势性也有随机性,结合BP神经网络的优点,提出一种改进型的BP神经网络高程异常拟合方法,利用最小二乘配置法综合考虑高程异常的趋势性和随机性的特点,采用BP神经网络方...     

基于改进的二次曲面模型在GPS高程异常拟合中的应用研究

GPS高程拟合的方法主要有二次曲面拟合、多面函数拟合、最小二乘配置拟合、BP神经网络拟合等,但是这些方法在应用上都存在一定的局限性,特别是在地形较为复杂的区域会存在较大的精度损失。基于这些问题,本文提出了一种改进的二次曲面拟合模型进行高程拟合。该模型的基本思路是将二次曲面模型和最小二乘配置拟合模型进行组合应用,首先利用二次曲面拟合模型计算各拟合点的残差序列;然后利用最小二乘配置模型获取残差序列模型;最后对各点的高程异常值进行残差改正,得到改正后的高程异常,并对该方法的结果进行精度评价分析,验证了方法的可行性,对以后的工程实践有一定的借鉴意义。     

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。