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。     

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。     

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。     

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。     

平坦地区转换GPS高程的混合转换方法

简要介绍了转换GPS高程的二次曲面拟合法和神经网络方法。然而 ,这 2种方法都有缺点 ,介绍的CF&NNM方法充分利用了 2者的优点 ,通过 2个平坦地区的工程实例 ,证实该方法的有效性 ,并得到一些有工程应用价值的结论。     

基于退火BP神经网络的GPS高程转换

阐述模拟退火算法的基本思想和原理,提出并介绍模拟退火算法优化的BP神经网络模型在GPS高程转换中的具体应用,同时编写相应的MATLAB处理程序,结合大量数据进行仿真实验,结果表明文中提出的退火BP神经网络模型具有收敛速度快、精度高、避免陷入局部最小的优良特性。     

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.     

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。     

用地球位模型和BP神经网络转换GPS高程

研究了转换GPS高程的地球位模型和BP神经网络的拟合方法.用已知GPS水准点的高程异常移去地球位模型高程异常,然后对剩余高程异常通过BP神经网络拟合和内插,在内插点上恢复地球位模型高程异常,从而得到该点的高程异常.通过实测GPS水准数据将该方法与基于地球位模型和二次曲面的拟合方法进行了比较.试验结果表明,该方法转换GPS高程的精度优于基于地球位模型和二次曲面的拟合方法,能够满足一定的工程应用需求.     

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.     

GPS高程拟合中神经网络法的基本思想

高程问题一直是困扰GPS的问题之一,而不同的GPS高程拟合方法都有其适用条件,并且精度不等。本文在对人工神经网络的基本原理、神经元模型、网络结构、数据结构和训练方式等研究的基础上,给出一种新的算法(新BP算法)。以“阜新控制网改造工程”作为一个具体实例,使用Matlab语言来完成GPS高程的拟合,并与其他方法作了比较,最后给出有益的结论。     

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。     

基于改进BP神经网络的GPS高程拟合方法

BP神经网络用于GPS高程拟合时存在收敛速度慢,受初始值选取影响大和易陷入局部极大值的问题。本文提出一种改进的BP神经网络高程拟合方法,将模拟退火算法(Simulated Annealing,SA)引入BP神经网络模型,利用模拟退火算法的全局寻优能力对BP神经网络的初始值进行选择,同时优化神经网络的各层神经元之间的连接权值和阈值,提高BP神经网络拟合法的拟合精度、收敛速度和推广泛化能力。最后结合实际算例对所提方法的拟合性能进行验证,结果表明利用模拟退火算法改进的BP神经网络进行高程拟合是可行且有效的,拟合结果优于传统BP神经网络法。     

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。     

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。     

遗传神经网络在GPS高程转换中的应用研究

针对神经网络在GPS高程转换过程中易陷入局部极小解等问题,提出了将遗传算法和神经网络相结合的方法,并讨论了遗传神经网络模型结构及算法,通过实例分析,验证了该方法不仅能克服神经网络收敛速度慢、易陷入局部极小解等缺陷,且具有较高的精度和计算效率.     

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。