基于BP神经网络的地图数字化误差纠正

由于在数字化采集过程中不可避免地会引入系统误差和异常误差,因此消除和削弱这些误差的影响是提高空间数据质量的关键。然而由于图纸变形不均匀,扫描误差又极其复杂,用常规的多项式拟合技术只能消除部分有规律的系统误差,很难完全消除它们对地图数字化坐标的影响。BP神经网络是一个高度非线性映射系统,能以任意精度逼近。结合地图数字化坐标改正的特点,本文给出了基于BP神经网络地图数字化坐标误差纠正的方法,并通过实例验证了该方法的有效性。     

BP神经网络拟合区域似大地水准面的应用分析

针对区域重力似大地水准面与GPS/水准数据可能受系统误差影响而降低计算精度的问题,采用BP神经网络拟合区域似大地水准面,削弱系统误差等因素影响,提高区域似大地水准面的拟合效果。分析BP神经网络进行区域似大地水准面拟合的局限性。使用不同区域范围的数据进行验证,结果表明BP神经网络在控制区域内能够较好地逼近实际似大地水准面,而在区域之外具有较差的外推能力。     

基于SINEX解的数据组合及系统误差分析

介绍了采用不同GPS分析中心的SINEX解进行数据组合的处理方法,并采用附加系统误差参数的函数模型对数据组合中的系统误差进行了平差处理.从结果可以看出,估计了Helmert转换参数的测站坐标精度比没有估计Helmert转换参数的测站坐标精度要高,说明本文方法能有效地消除系统误差的影响,并估计了系统误差的大小.     

基于BP神经网络的三维激光测高数据拟合方法

针对三维激光测高拟合问题，本文采用BP神经网络进行拟合，该方法可以有效地消除或减弱数据中的系统误差影响，提高计算精度。实际算例证明，在数据无粗差情况下，BP神经网络的内符合与外符合精度优于传统的二次曲面拟合的精度。     

基于BP神经网络似大地水准面精化精度分析

针对BP神经网络似大地水准面精化在山区和平原等地形区域的差异,采用BP神经网络+残余高程异常的方法,建立残余高程异常与坐标的非线性函数关系,并以南方某山区和华北某平原为研究对象,对比分析了BP神经网络似大地水准面精化不同地形区域的精度。结果表明,在平原和山区均能达到较高的精度（±5 cm以内）,且平原优于山区,因此BP神经网络可应用于大面积的不同地形区域的似大地水准面精化,精度可满足1∶500～1∶2 000大比例尺地形图测量的需求。     

基于BP神经网络的霍普菲尔德模型改进研究

为了分析对流层延迟的时空变化规律、提高对流层延迟的改正精度,利用BP神经网络处理非线性问题的优势,改进传统的霍普菲尔德模型得到一种新的融合模型(Hop+BP模型)。分别对比Hop+BP模型与传统的霍普菲尔德模型、多元线性回归模型、BP神经网络等模型的计算结果,得到如下结论:霍普菲尔德模型存在一个明显的系统误差,精度较低;多元线性回归的预测精度有所提高,但是其本质是将数据强制拟合,缺少物理解释,难以推广使用;传统的BP神经网络的计算精度较之霍普菲尔德模型有80%的提高,但存在明显的不稳定性;Hop+BP模型具有预测精度高、稳定性好等优点,预测中误差为1.1cm,明显优于传统方法。     

基于神经网络坐标差学习的GPS坐标转换

提出基于神经网络坐标差学习的GPS坐标转换新方法,基于该方法利用某区域的GPS控制网观测数据将GPS点的WGS-84坐标转换为1980西安坐标,利用二维约束平差得到的GPS网点1980西安坐标系坐标作为比较数据,与传统的七参数模型和四参数模型方法的转换坐标和二维约束平差坐标进行比较。结果表明,利用神经网络方法进行坐标转换完全可行,传统方法和神经网络方法转换的坐标精度基本相当,神经网络方法略优且精度较均匀。神经网络方法可以得到统计精度优于±0.025 m的平面控制结果,能满足工程应用的需要。     

多向前方交会与单隐层神经网络结合的近景前方交会法

针对三维坐标求解精度受非线性误差影响的问题,提出了一种多像前方交会与单隐层BP神经网络相结合的方法。基本过程为:①在样本点真实世界坐标已知的条件下,构建关于世界坐标的拉格朗日方程,对相机外参进行优化,以得到更高精度的三维坐标初值。②利用计算得到的三维坐标和真实三维坐标分别作为输入和输出参数对单隐层BP神经网络进行训练。③将三维坐标初值带入网络模型对其进行改正。试验结果表明:①相较于前方交会、稀疏光束法平差及典型神经网络方法,在试验装置环境视场内,本文方法解算精度较高,最大偏差为0.492 7 mm。②相较于典型神经网络方法,本文网络结构为3-6-3,结构简单且计算效率高。     

BP神经网络用于GPS高程转换的网络配置

BP神经网络的输入与输出关系是一个高度非线性映射关系,其用于GPS高程转换中有着较高的精度。但它存在不少问题,如网络的隐含层和隐含层节点个数选取尚无理论上的指导,参加学习的样本的质量如何影响仿真精度等。本文结合实例分析了上述问题,从而得出了BP神经网络用于GPS高程转换时网络配置问题的一些相关结论。     

顾及系统误差的坐标转换方法研究

针对Bursa模型在坐标系转换时没有顾及局部变形和累积误差的问题,通过对坐标转换误差进行分析,本文提出将由此产生的系统误差看作非参数信号的半参数估计,采用半参数模型对某一区域坐标进行解算,并对检核点非参数分量进行推估,与Bursa模型进行比较,结果表明半参数模型能够有效地消除系统误差。并探讨了不同确定平滑因子α的方法对坐标转换精度影响,计算结果表明,在正则矩阵R相同情况下,不同平滑因子确定方法得到的坐标转换精度有所不同,但均优于Bursa模型转换精度。     

利用小波神经网络的GPS高程转换

介绍小波神经网络的基本结构及学习算法,并应用于GPS大地高转换为正常高。结合实际工程数据,与BP神经网络作比较分析,因小波网络较强的非线性使得它泛化性能更好,收敛速度更快,经实例论证,在同等条件下,小波神经网络方法用于GPS高程转换的精度优于BP神经网络,且其精度可满足常规工程需要,具有一定实用价值。     

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。     

奇异谱分析在地铁沉降预测中的应用

地铁沉降受诸多因素干扰,其监测数据往往表现出非平稳、非线性特征。因此,首先利用奇异谱分析(SSA)方法提取监测数据的趋势项和周期成分,以削弱噪声、提高数据信噪比;然后利用BP神经网络分别对趋势序列与周期序列进行预测并重构,进而得到预测值。实验结果表明,相较于BP神经网络模型,SSA_BP神经网络模型的整体预测精度更高、最大预测长度更优。     

基于非线性最小二乘的坐标转换及精度分析

在GPS应用中经常涉及到坐标系转换的问题。利用七参数线性模型进行坐标转换是目前常用的坐标转换方法,但是当旋转角较大时,利用七参数线性模型转换会存在较大的模型误差。本文提出七参数模型的非线性最小二乘求解方法,结合模拟坐标数据比较了非线性最小二乘与传统迭代法的求解精度。结果表明：在旋转角较大的情况下,利用非线性最小二乘方法求解坐标转换参数精度比迭代法有明显提高。     

住宅房地产价格评估的空间型BP神经网络模型

住宅房地产价格与交通、环境等各类影响因子之间存在着非线性复杂关系,住宅价格的空间自相关性对住宅价格建模也有重要的影响。考虑到住宅价格的空间自相关性,构建了3种空间型BP神经网络模型,并利用遗传算法(GA)进行模型训练。第一种空间型模型的输入层神经元为样本坐标,第二种空间型模型的输入层神经元为空间滞后向量,第三种空间型模型的输入层神经元既包括样本坐标也包括空间滞后向量。以武汉市为例进行实证分析,选取了2010年291个住宅价格样本。实验结果表明,空间型BP神经网络模型的拟合精度优于普通BP神经网络模型及空间滞后模型,其中第三种空间型BP神经网络模型效果最优,输出结果与实际价格相关性达86.69%,均方根误差明显小于其他模型。     

面向MATLAB转换GPS高程的神经网络方法

GPS高程转换是GPS应用的关键问题之一。本文介绍了MATLAB中的BP神经网络工具箱常用函数以及实现步骤,设计了转换GPS高程的三种方案,利用MATLAB开发工具实现了BP神经网络转换GPS高程的方法。实例计算表明,采用合适的训练函数,选用好的网络结构,利用BP神经网络方法可以取得比二次多项式曲面拟合法更高的转换精度。     

基于同伦算法的非线性坐标转换模型研究

阐述坐标转换的常用模型,分析线性化坐标转换模型的模型误差,给出这种误差对旋转参数限制的最大旋转角度。首次将同伦算法应用于坐标转换模型中,提出基于同伦算法的非线性坐标转换模型,避免线性化所带来的模型误差,解决在大角度旋转情况下线性化模型不能使用的问题。数据计算表明,文中提出的非线性坐标转换模型同伦方法是削弱坐标转换误差,高精度求解坐标转换参数的有效方法。     

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。     

立体坐标量测仪系统误差的测定与改正

本文探讨了立体坐标量测仪系统误差改正方法,及系统误差对观测值的影响。指出仪器准系统误差、归心安置定向误差是引起系统误差的主要原因。通过实验验证仿射变换改正公式对消除系统变形趋势有较好作用;同时高次多项式改正能提高更多的观测精度。利用最小二乘配置又可最后确定仪器的噪声影响,为评定仪器精度提供了依据。     

CGCS2000与城市坐标系转换方法的比较

讨论了平面四参数模型、仿射六参数模型和多项式逼近3种坐标转换模型,利用某城市实测数据对这3种模型进行比较与分析。结果表明,当城市坐标系存在一定系统误差和局部变形时,采用多项式逼近法可以提高坐标转换精度,要优于另外2种模型。