BP神经网络DEM曲面内插研究与分析

作为高效内插技术,DEM曲面内插迅速崛起于测绘科学领域,如何高精度、高效率地内插成为当前研究的热点。本次研究选取辽宁省调兵山实验区域为研究对象,利用多项式曲面内插法结合BP神经网络算法进行实验,主要研究各方法之间的精度和BP神经网络对其优化的效果。研究结果表明:1)实验区域内使用单种内插方法内插时,双三次多项式内插法的内插精度最佳,双四次最差;2)BP神经网络能较好地优化双多次多项式曲面内插精度;3)BP双三次多项式曲面内插法是一种适合调兵山地区的内插方法。     

一种改进的双线性规则格网DEM内插算法

在构建高精度规则格网DEM过程中,针对双线性内插模型对地形表面的线性描述所产生的误差问题,提出了一种误差校正的方法。该方法依据待插值点邻域内的坡形以及坡度与R因子的值对双线性内插中间结果进行校正。实验结果表明,在4种不同地貌类型区域,基于误差校正的双线性内插方法精度均高于传统的双线性内插方法,在丘陵、低山、高山地区内插精度也高于自然邻近内插、反距离加权内插与普通克里格内插方法。     

DEM内插算法与精度评定研究

本文分析了DEM数据产品的误差源、内插算法的误差模型,简要介绍了目前DEM数据产品精度评定的指标与方法途径.通过介绍DEM引出了数字高程模型内插方法,比较了各种DEM内插方法,并且分析了模型精度.     

基于等高线生成DEM的内插算法及其精度分析

以等高线为例,探讨了利用地图等高线矢量化生产DEM内插算法,并分析了各种方法的精度及适用范围。     

基于EGM96模型的神经网络BP算法在GPS高程转换中的应用

在一个测区内,从水准联测点上移走EGM96含有的高精度中长波部分后,把余下的高程异常通过BP神经网络进行模拟,最后再对数据进行恢复,使实验达到良好的结果.     

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。     

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LM算法的BP神经网络在GPS高程拟合中的应用

介绍了一种快速收敛学习的基于LM算法的BP神经网络．它克服了传统BP网络训练速度慢和易于陷入局部最小值的缺点,通过实例应用将其结果与二次、三次多项式曲面拟合结果进行比较,验证了该方法的有效性。     

基于DEM应用内插算法的分析

本文介绍了基于ＤＥＭ应用的几种内插方法,并对双三次内插法,移动曲面法两种主要方法做了试算及分析,讨论承不同情况的方法方法应用。     

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。     

基于杨赤中插值法的DEM的可视化

数字高程模型(DEM)能有效描述地形结构,可视化技术是当今表达和分析复杂数据的有力工具。应用杨赤中插值法,将地形碎部点高程观测值看作一种包含规律性变化和随机性变化的复合变量,求其二项系数加权游动平均,建立估值数学模型,划分格网,求得各格网点高程估值。并阐述利用网格法来实现、分析和显示DEM数据的可视化原理和实例。     

基于L-M算法的BP神经网络分类器

以TM图像为例,讨论了基于Levenberg-Marquardt(L-M)算法的BP神经网络分类器及其在遥感图像分类中的应用。LM算法是梯度下降法与高斯牛顿法的结合,由于利用了近似的二阶导数信息,LM算法比梯度法快。就训练次数及准确度而言,LM算法明显优于变学习率法的BP算法。     

基于抗差最小二乘配置的点云内插DEM算法研究

针对传统的点云内插DEM算法存在模型误差和点云粗差等问题,提出利用抗差最小二乘配置方法进行DEM内插。该方法可将内插模型误差当作最小二乘配置中的随机信号来处理,并采用基于抗差M估计的协方差函数拟合方法,对粗差数据进行剔除或降权处理,削弱其对协方差函数拟合精度的影响,从而提高DEM内插精度。最后采用三种实验方案对比分析,实验结果表明:抗差最小二乘配置插值方法具有更高的插值精度。     

基于二元样条函数的DEM传递误差模型

根据两点数值微分公式建立了基于二元样条函数的规则格网数字高程模型(DEM)的表面表达模型,得出了基于二元样条函数的传递误差公式。公式表明,二元样条函数的DEM传递误差与双线性多项式的传递误差相同。但由于样条函数的DEM表面建模误差低于线性多项式的DEM表面建模误差,因此,基于样条函数的DEM表面模型具有更高的精度。     

一种顾及地形特征的DEM内插方法

Delaunay三角网是表示地形的一种常用方法 ,在DEM内插中也有着广泛的应用。文中利用自适应分块技术进行Delaunay三角网的快速构建 ,实现了基于Delaunay三角网的DEM规则格网快速内插 ,内插结果能较好地顾及地形特征且反应地表的真实形态     

DEM中顾及方向的单点移面内插法

DEM是现代测量的重要成果形式之一 ,高程内插是 DEM必须面对的技术问题。研究了顾及方向的单点移面内插法 ,构建了更为合理的权函数式 ,提出了一种快速有效的利用动态搜索圆确定移面范围的方法。     

基于BP神经网络的GPS导航算法

GPS导航解算中常用最小二乘算法。随着高动态用户需求精度的不断提高，且由于线性化忽略高次项，初始值精度低以及差分后剩余或放大误差的存在。导航解精度很难满足高动态用户的需求。为此，本文基于BP神经网络的非线性逼近性能。给出了基于BP神经网络的GPS导航算法。实测数据计算结果表明该算法能够真实地反映载体运动轨迹，其导航解的精度和可靠性有明显的提高。     

几种建立DEM模型插值方法精度的交叉验证

建立DEM模型时需要对离散的高程点进行空间插值,实现这一目的的插值方法有很多种。文章主要选择了6种常用的插值方法,分别在平原、丘陵和高山几种不同复杂程度的环境下对其插值的精度使用交叉验证方法进行评估。结果表明,同样的插值方法对不同复杂程度的地形效果是不一致的,多种插值方法中以克里金插值方法的插值适用性最强,精度最高。