改进的最优非负变权组合模型及其应用

根据GM(1,1) 、BP神经网络、卡尔曼滤波的特点,建立以灰色关联度最大为准则的最优非负变权组合预测模型,在一定程度上抑制了误差“放大”的效应。与以误差平方和最小为准则的变权组合模型、各最优加权组合模型、各单一模型进行对比分析,结果表明,本文模型预测精度最高。     

样本数据预处理对基于BP神经网络的GPS高程拟合的影响

分析在基于BP神经网络的GPS高程拟合建模中样本数据预处理的必要性,并列举了归一化、中心化、标准化3种数据预处理方法,然后结合实例,在神经网络建模中增加一个数据预处理层,分别用3种训练方法对基于不同数据预处理的模型进行训练建模,将计算结果进行对比分析,并与二次曲面模型结果进行比较,得出不同数据预处理方法对基于神经网络的GPS高程拟合建模精度的影响不同,且神经网络方法比二次曲面方法的拟合精度更高。     

GPS高程拟合的加权总体最小二乘抗差估计

结合标准化方差,构造了基于Huber、IGG和IGGⅢ三种权函数的加权总体最小二乘抗差模型,并运用选权迭代法予以求解。GPS高程拟合数据处理实例表明,基于Huber、IGG和IGGⅢ三种权函数的稳健加权总体最小二乘抗差方法对误差和粗差具有较好的削弱和消除效果,其中基于IGGⅢ权函数的稳健加权总体最小二乘方法抗差效果最优。     

最优非负变权组合模型在卫星钟差预报中的应用

针对单一卫星钟差预报模型自身存在的缺陷,提出基于二次多项式、灰色GM（1,1）和ARIMA等三种单一模型的最优非负变权组合预报模型。通过与各单一模型和经典权组合模型进行对比分析表明,该模型预报残差RMS值最小,精度更高,能够根据各模型预报效果赋予不同的权值,在一定程度上综合了多种单一模型的优点,可降低预报风险,提高模型预报的可靠性。     

基于EGM2008重力场模型的GPS高程拟合测量的实用性分析

从两个工程实例的GPS高程拟合测量入手,分析三、四等水准测量的要求。展开GPS高程拟合与常规水准获取高程的比较分析、GPS/水准观测高程拟合精度的统计分析、GPS观测等级对GPS/水准观测拟合高程精度的影响分析、利用常规水准限差来评定GPS拟合高程水准等级的研究及GPS拟合高程的实用性分析。结果表明,在一定条件下GPS高程拟合测量可替代水准测量。     

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。     

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。     

基于加权总体最小二乘法的GPS高程拟合

在GPS高程拟合中,针对传统最小二乘方法不能解决系数矩阵存在误差的问题,提出了一种基于加权总体最小二乘的拟合方法。对平面和二次曲面多项式建立更加合理的拟合模型,并给出了相应的迭代算法。实例计算表明,加权最小二乘方法能够得到更好的估计参数,高程异常值拟合精度也相应提高。     

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.     

基于广义回归神经网络的GPS高程转换

为提高GPS高程转换的精度,采用广义回归神经网络(GRNN)进行拟合。将控制点的X、Y坐标作为网络输入,高程异常作为网络输出,采用实验数据训练网络,训练完成的网络作为模型进行高程异常预测。结果表明,GRNN方法具有较高的GPS转换精度。     

���ڶ��������BP���������ģ�͵�GPS�߳��쳣���

??????????????BP??????????????????????????У?????????????????????????????????硣?????????????GPS?????????б?????,?????????????????????????????????????????????????????????????????????????????????????????????????     

����ƽ����Ϻ� BP��������Ϸ���GPS�߳�ת��

???GPS???????????????????????????y?????????BP?????編??????????????????????6????????????????????????????????????6?????????????????????????????BP?????編???????????3????????????????????     

Helmert方差分量估计在GPS/GLONASS/BDS组合定位权比确定中的应用

因GNSS系统间观测噪声、轨道精度的差异，采用经验权比进行组合定位难以得到最优结果。基于此，在GPS/GLONASS/BDS组合定位中引入Helmert方差分量估计，对GPS/GLONASS/BDS组合单点定位和基线解算中各系统观测值进行合理定权。实验表明，采用该方法确定的伪距观测值最佳权比为5∶1∶1，相位观测值最佳权比为1∶1∶1，有效提高了GPS/GLONASS/BDS组合定位的精度和可靠性。     

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...     

�˼�GPS�����͹�Եı�׼�������Ľ��о�

?????GPS????????????????о?????????????????????????????????÷???????????仮???????????????????????????????????????????????Chebyshev????????÷?????????????????о????????????????????????????Ч??????????????????     

����ARIMA��ANN���ģ�͵������Ӳ�Ԥ������

?????????????????????????????????????????????ARIMA??ANN??????????????????????????ARIMA????ANN???????????????б??????????????????????????????????????????????????????????????????????????????????IGS??????????????????????????????ARIMA????ANN??????????????ж?????????????????????????????????????????????????????????????????棬???????С??50%??     

���ŷǸ���Ȩ���ģ���ڴ�ӱ����е�Ӧ��

?????????GM??1??1????BP?????????????????3?????????????????????????????????е???????????????????????????????????????????????????????????????????????????????????????????????????????0.11 mm?????????????о??????????ü????     

�˼���ͬԼ��׼��ı��β������Ԥ��ģ���о�

????????????????????????β?????????????????????о??????????????????????????????????????????????????????5????β???????????????????5?????????μ?????????????????????Ч??????????????????????????????????????????????????????????