基于AIC准则的RBF神经网络在GPS高程拟合中的应用

本文采用AIC准则优化RBF神经网络参数的方法进行GPS高程拟合,在建立网络模型过程中,对不同的聚类半径由最近邻聚类法求出不同类别的聚类数目及相应的聚类中心和初始扩展常数,通过对不同类别分别进行调整扩展常数的网络训练,求出其最小AIC值,再根据AIC准则确定结构最优的RBF网络模型。实验结果表明:这种方法为确定最优RBF网络模型的隐节点数目及相应参数提供了途径;拟合精度较高,在较平坦测区可以替代三等水准测量。     

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。     

RBF神经网络在GPS高程拟合中的应用

通过对离散GPS／水准点观测数据进行拟合从而获得区域内任意一点的高程异常是工程实践中经常遇到的问题。利用RBF神经网络方法进行了GPS水准高程拟合实验,并将得到的高程异常结果与采用BP神经网络方法和二次曲面拟合法得到的结果进行了分析比较;通过3种方式的分析比较,证明利用RBF神经网络进行GPS高程拟合的可行性以及相比其...     

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。     

基于遗传算法的RBF神经网络在GPS高程拟合中的应用

本文针对RBF神经网络中隐含层径向基中心值的确定,利用遗传算法对其进行优化,并应用于高程拟合的实验研究中。通过将遗传算法优化的RBF神经网络与K-均值优化的RBF神经网络及标准RBF神经网络进行高程拟合的误差对比分析表明:遗传算法优化的RBF神经网络提高了拟合的稳定度,改善了精度。     

基于RBF神经网络的GPS高程异常拟合

由GPS静态相对定位获取三维基线向量,通过GPS网平差可以获取高精度的、相对于WGS84椭球的GPS大地高,而在实际工程中应用的高程则为正常高,因此必须进行高程异常的拟合。结合水准测量的实测数据,分别采用RBF神经网络方法和多项式曲面拟合方法拟合某测区的GPS点的高程异常,计算各点的拟合残差,并对2种方法的精度进行比较分析,得到该地区解算正常高最适用的方法。     

GPS高程拟合方法及评价准则研究

GPS获得的大地高需要转换成正常高才能得到工程应用。该文针对某测区的GPS和水准数据的高程转换问题,分别利用曲线拟合法、曲面拟合法、BP神经网络拟合法和RBF神经网络拟合法对该问题进行研究,并提出不同的精度评价准则对上述模型在工程应用中的可行性及精度进行分析。结果表明,在区域范围较小且呈面状分布的地区,采用RBF神经网络相对于曲线拟合模型、曲面拟合模型和BP神经网络模型,可以获得更高的拟合精度以及鲁棒性。本文的对比分析结果可以供读者在实际工程应用过程中参考。     

GPS高程拟合模型的优选

在工程实践中,二次曲面模型在GPS高程转换过程中为较优的模型,可以达到三四等水准的要求,但没有在理论上得到阐述。鉴于此,运用日本统计学家提出的AIC准则,对各个模拟模型进行优选,即把AIC的值分为两个部分,分别代表模型的内附精度和外附精度,将两个值相加得到AICt,并和模型的内附精度和外附精度的均方差、最大误差、最小误差相比较,证明AIC准则应用于判定GPS高程转换模型优选的有效性,进而从理论上证明,二次曲面模型在GPS高程转换过程中为较优模型。     

基于小波神经网络GPS高程拟合的应用研究

从GPS高程拟合的现状入手,简单介绍GPS高程拟合的一些方法,重要阐述小波神经网络在GPS高程拟合中的应用,并把具体工程实例的拟合结果与二次曲面拟合和标准BP神经网络拟合的结果相比较。证明了小波神经网络应用于高程拟合是可行的,而且具优势。     

GPS高程拟合精度探讨

利用GPS水准高程来实现GPS网点的大地高向正常高转换,其精度主要受所拟合的似大地水准面、已知点高程和GPS网点的大地高三种误差的影响.     

GPS高程拟合方法的实验研究

全球定位系统测量定位技术可以得到高精度的平面位置和大地高差,但在实际应用中,地面点的高程常采用正常高高程系统,因此需将GPS大地高转换成正常高。本文对常用GPS高程拟合方法的拟合精度进行对比实验研究,并在此基础上进行综合运用GPS水准方法的试验,以提高拟合精度。     

多项式曲面模型在GPS高程拟合中的应用

CPS测量的高程系统是GPS大地高系统,它以参考椭球面为基准面,而我国采用的高程系统是正常高系统,是以似大地水准面为基准面.二者不是处处平行,所以需要将GPS大地高转换为正常高,求出已知点的高程异常,从而拟合出未知点的高程异常,本文主要阐述了多项式高程拟合模型中的二次多项式拟合和三次多项式拟合.通过对这两种常用的多项式...     

带状GPS水准曲线拟合方法探讨

带状GPS水准拟合是铁路项目勘测中急需解决的问题,本文试着对一些常见数学拟和方法比较,结合带状工程数据(郑州-西安高速铁路GPS和二等水准数据)的分析比较,力求找到一种简单有效的、能满足一定精度要求的带状工程拟合方法,来解决这个问题。通过对各种拟合方式的筛选,结合线性工程项目的特点,给出了二次抛物线分段拟合和张力样条分段拟合公式。     

转换GPS高程的BP神经网络方法研究

对于目前大范围点位分布不均,拟合法高程转换存在效果失真、模型误差等问题,本文给出了改进的BP神经网络方法转换GPS高程为正常高的算法,并与曲面拟合方法比较分析。经实例验证,在较大范围内,用神经网络方法转换GPS高程优于二次曲面拟合方法,所获得的正常高可满足工程生产的精度要求,具有一定的实用价值。     

基于重力场模型高程拟合残差求定GPS正常高

为提高GPS高程异常拟合精度并减少已知点的数量,以提高流域规划高程控制测量工作效率,文中利用重力场模型高程拟合残差建立区域较高精度的线状似大地水准面拟合模型。该方法在联测较少高等级水准的情况下,区域高程拟合精度满足流域规划控制测量对高程精度的要求。     

Kriging方法结合最小二乘配置在GPS高程拟合中的应用

本文利用Kriging方法结合最小二乘配置将GPS高程转换成正常高.研究了将Kriging方法中的变异函数用于计算最小二乘配置中的协方差的方法,并对一局部GPS水准网的高程作了拟合计算.通过将最小二乘配置法与平面拟合模型和多面函数拟合模型等进行比较,其外符合精度从最大的±0.0277m提高到±0.0162m.     

BPSA混合策略在GPS高程拟合中的应用

针对误差反向传播(BP)算法训练速度慢和易于陷入局部最小值的缺点,利用BP算法监督学习特点,模拟退火算法(SA)在局部极小处的概率突变性,有效结合BP和SA算法,提出一种BPSA混合学习策略。将其应用于GPS高程拟合,并以实例验证了该算法的有效性。