GPS高程转换的神经元网络方法分析

GPS高程转换是GPS高程应用的关键问题之一，试图应用神经元网络方法来进行GPS高程的转换，并在网络的拓扑结构与网络结构的改进等方面作了分析，通过GPS高程转换的二次曲面法和神经元网络法进行了比较试验，结果表明了神经元网络转换GPS高程的可行性和可靠性，对于应用神经网络转换GPS高程具有实际的指导意义。     

Delaunay三角网内插特征点算法研究

在Delaunay三角剖分网的基础上，对内插特征点算法进行了研究，提出了一种快速内插点算法。根据本算法的特点，提出了一种快速确定点所在的三角形的方法。     

复数域总体最小二乘平差

在复数域最小二乘的基础上提出了复数域总体最小二乘平差方法,推导了复数域总体最小二乘和复数混合总体最小二乘的相关公式。通过算例比较分析了复数观测值的残差的模的平方和最小(平差准则1)下及残差的实部和虚部的平方和分别最小(平差准则2)下的复数最小二乘、复数观测值和系数矩阵的残差的模的平方和最小(平差准则3)下及残差的实部和虚部的平方和分别最小(平差准则4)下的复数总体最小二乘方法的优劣。试验结果表明:平差准则1下复数最小二乘较平差准则2下得到的结果更加合理,平差准则3下复数总体最小二乘较平差准则4下得到的结果更为准确;当顾及系数矩阵误差时,平差准则3下复数总体最小二乘要优于平差准则1下复数最小二乘。     

EWT-Elman组合模型短期电离层TEC预报

针对电离层总电子含量(TEC)非线性、高噪声的特点,建立基于经验小波变换(EWT)和Elman神经网络的短期电离层组合预报模型。运用该模型对不同地磁环境的电离层TEC时间序列进行建模预报,结果表明,EWT-Elman组合模型可反映电离层TEC的变化特征,地磁平静期预测平均相对精度为93%,均方根误差为1.04 TECu;地磁扰动期预测平均相对精度为92.4%,均方根误差为2.18 TECu。单一Elman模型、EMD-Elman组合模型以及EWT-BP组合模型在地磁平静期平均相对精度最高为90.7%,均方根误差最小为1.33 TECu;地磁扰动期平均相对精度最高为90.7%,均方根误差最小为2.57 TECu。对比其他模型,本文方法预测效果最优。     

基于WindowsCE的电子平板测量系统的开发

传统的测量作业方法已不适应发展的需要,数字化测量中传统手薄的作业方式,使用时很不方便,不能提供图形功能,结合测绘发展的要求和W indowsCE的特点,研制开发了本系统。通过对系统研制目的和设计思路的阐述,介绍了系统在编写过程中,应尽可能的根据测量要求进行编写,并应符合测量人员的作业习惯,提供更为友好的用户界面。相对于PC-E500和电子手薄,该系统都显示了较大的优越性,但作为电子平板进行开发,功能上还有待加强,是系统后一步需改进和完善的地方。     

基于四参数-ICP的点云配准研究

利用三维激光扫描获取目标物点云数据的过程中,为了得到完整的目标物点云,则需要在不同站点对目标物进行扫描,从而需要对不同站点点云数据进行配准,而传统的点云配准都是基于至少三个标靶点的配准,配准效率低且没有考虑区域点云精度不均匀的影响,而基于无标靶的ICP配准算法时间效率比较低。针对此,本文将四参数算法和改进的ICP算法进行结合,在只需要两个标靶的情况下便可快速的完成点云配准,最终通过实例分析验证了该配准方法不仅精度高,且配准效率高。     

基于路径的地图目标拓扑关系表达方法

在分析图论路径性质的基础上，利用路径之间的拓扑关系，分析了地图中点、线、面目标之间的拓扑关系，并分析了这种表达方法相对于其它的表达方法的优点。     

地下工程测量发展回顾与展望

地下工程测量是地下工程建设和施工的重要技术,对地下工程建设和施工起保障和监督作用。随着科技进步和城市化进程的加快,人类将向地下空间发展。地下工程测量的服务面将大大拓宽,新理论、新技术将不断涌现,同时地下工程测量将向自动化、数字化、智能化方向发展。     

土地开发整理项目规划设计的内容深度研究

土地开发整理是实现土地可持续利用的一项重要工作,已成为世界关注的焦点。而我国土地资源相对匮乏为此,国土资源部开展了国家投资土地开发整理工作。从土地开发整理项目的概念和标准方面进行分析,提出项目申报的程序及规划设计各阶段的内容深度,为今后的土地开发整理工作提供参考,促进我国土地开发整理事业的发展。     

利用PCA-SVM的大坝变形预测研究

主成分分析(PCA)能够有效地提取数据的特征信息,消除变量间的共线性,而将基于统计学习理论的支持向量机(SVM)用于数据建模具有显著的优点。本文将主成分分析应用到大坝变形影响因子的优化中,解决了由影响因子内部相关性而引入大量因子的问题,降低了输入维数,简化了输入结构。将简化后的数据作为SVM的输入因子,减少了SVM学习的时间,提高了拟合效率。试验结果表明该方法具有较高的预测精度和较强的泛化能力。