转换GPS高程的神经网络模型试验研究

简要介绍了神经网络BP算法的基本结构和数学公式，并提出了转换GPS高程的神经网络模型-经改进五层BP网络结构。通过某工程实例，对五层BP网络结构的具体模型结构（如输入输出层设计，隐含层最佳节点数的选取等）进行了一些试验研究，得到了一些有工程实用价值的结论。     

关于BP神经网络转换GPS高程的若干问题

BP神经网络用于GPS高程转换有着较高的精度,但也存在不少问题,如网络的隐含层和隐含层单元个数选取、参加学习的样本的质量如何影响仿真精度等。结合实例分析上述问题,得出一些结论。     

应用CF-BPNN模型确定GPS高程异常

介绍了确定GPS高程异常的传统方法,分析了应用CF-BPNN模型求解GPS高程异常的步骤,验证了其精度比常规方法有显著提高及其可行性.     

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。     

应用CF—BPNN模型确定GPS高程异常

介绍了确定GPS高程异常的传统方法,分析了应用CF-BPNN模型求解GPS高程异常的步骤,验证了其精度比常规方法有显著提高及其可行性。     

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。     

关于BP神经网络转换GPS高程的若干问题

人工神经网络应用于GPS高程转换，目前仍存在许多问题有待进一步的研究。本文就应用BP神经网络模型转换GPS高程中的隐含层数确定、隐含层节点数的确定、网络训练次数、学习速率选择、初始权值等问题进行较深入分析研究，得到一些有益的结论。     

EM算法的二次曲面拟合在GNSS高程的研究

GNSS高程拟合常用的是二次曲面拟合法,该方法需要控制点位分布均匀,针对实际作业中受观测条件的影响部分控制点位数据无法获取,影响到GNSS高程测量精度问题,引入期望极大算法(EM算法),提出高斯分布下的EM算法与二次曲面拟合法相结合的组合算法模型,运用高斯分布下的EM算法的二次曲面拟合法对缺失数据的控制点进行建模分析。该组合算法可以获得缺失数据下未知参数的最佳估值,可有效提高水平面的拟合精度。将某区域的高程拟合控制点作为实验数据,结果表明,组合算法模型可以对缺失数据进行高程拟合,检核点最大误差为0.8 cm,组合模型拟合精度较高。     

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。     

平坦地区GPS高程转换方法的研究

分析了GPS测量中高程系统转换的实质,介绍了四种GPS高程转换方法的基本原理,然后结合实际算例对四种方法拟合的结果进行了精度分析,总结了各种方法的优缺点,得出一些参考性的结论.     

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.     

基于BP神经网络算法的GPS水准高程转换

提出了一种基于BP神经网络算法的GPS水准高程转换方法,该方法是对现有基于BP神经网络GPS水准高程转换方法的改进。考虑了重力长波项和地形改正项等因素对GPS水准高程转换的影响,并拓展了其应用范围,使其不仅在平坦地区而且在起伏较大的丘陵地区也可以得到较高的精度。该方法在一定程度上能够克服重力信息缺失的困难,具有一定的实际参考价值。     

用神经网络方法转换GPS高程

本文提出用神经网络方法转换ＧＰＳ高程为正高或正常高,给出一种改进了的ＢＰ神经网络拓扑结构和算法,并用ＧＰＳ的实际定位资料构成４３个样本集作了在计算分析,估算的精度达到厘米级、最后用网络方法与二次多项式曲面拟合大地水准面转换ＧＰＳ高程的方法作了比较,神经网络方法的精度优于二次多项式曲面拟合法,而且精度比较稳定,对已知样本点的数量要求较少。     

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。     

GPS高程转换方法和正常高计算

GPS测量所提供的高程为相对于WGS-84椭球的GPS大地高，而我国使用的是正常高。大地高等于正常高与高程异常之和，要使GPS高程在工程实际中得到应用，必须先求出高程异常，进而获得正常高。结合GPS测量和水准测量资料，用神经网络方法和二次多项式曲面拟合方法拟合高程异常，对拟合精度进行了分析比较，得出了有实用价值的结论。     

径向基神经网络GPS高程转换方法

针对GPS高程转换问题,给出了基于径向基神经网络转换GPS高程的模型。用实际观测数据对该模型进行了试验,结果表明,用径向基神经网络转换GPS高程精度高于二次拟合法和BP神经网络法。径向基神经网络能够有效克服BP神经网络局部极小值的缺点,并且具有较高的收敛速度,在GPS高程转换方面具有广阔应用前景。     

转换GPS高程的遗传神经网络方法

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息。把遗传算法和神经网络智能技术相结合,利用神经网络作为模型,以遗传算法作为权值进化算法进行GPS高程转换,提出了该算法的基本思想和算法实现过程。并通过实例进行计算,结果表明该算法用于GPS高程转换具有较好的精度,具有一定的实用价值。     

转换GPS高程的遗传神经网络方法

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息.把遗传算法和神经网络智能技术相结合,利用神经网络作为模型,以遗传算法作为权值进化算法进行GPS高程转换,提出了该算法的基本思想和算法实现过程.并通过实例进行计算,结果表明该算法用于GPS高程转换具有较好的精度,具有一定的实用价值.