共查询到20条相似文献,搜索用时 46 毫秒
1.
利用GPS精化区域似大地水准面 总被引:3,自引:0,他引:3
基于原有似大地水准面,在区域设计一些具有高精度的GPS大地高和水准高的公共点,采用数学拟合方法可得该区域似大地水准面的精化模型。由精化后的似大地水准面可得到区域内任一GPS测点的水准高程,从而代替五等水准测量和三角高程测量。 相似文献
2.
利用EGM2008计算重力场模型高程异常,结合SRTM和DTM2006.0计算剩余地形模型,进而计算RTM高程异常,以弥补EGM2008重力场模型短波信号缺失的不足。从实测高程异常中减去重力场模型高程异常以及RTM高程异常,得到残余高程异常。利用曲面拟合方法拟合残余高程异常模型,解决高程基准系统偏差问题。通过实际GPS/水准数据计算证明,该方法能显著提高GPS点的高程异常计算精度,达到精化区域似大地水准面的目的。 相似文献
3.
4.
针对线状或带状GPS水准点控制的似大地水准面,提出Coons曲面内插模型。先将GPS水准点拟合成曲线,再通过曲线构造曲面,尽可能减少传统拟合算法由点直接推面的精度消耗。分别运用最小二乘法、最小二乘配置法、移动内插法和Coons曲面法对线状GPS水准点控制的似大地水准面进行拟合,结果表明,基于Coons曲面的内插模型算法精度最高。 相似文献
5.
高程基准面相对于大地水准面的垂直偏差是区域高程基准转换和全球高程基准统一的基础数据。利用最新发布的EGM2008地球重力场模型和中国均匀分布的936个GPS水准点数据计算得出中国青岛大港验潮站的重力位为62 636 852.85±0.07 m2/s2,进而得到中国1985高程基准相对大地水准面的垂直偏差为0.32m。 相似文献
6.
高程基准面相对于大地水准面的垂直偏差是区域高程基准转换和全球高程基准统一的基础数据.利用最新发布的EGM2008地球重力场模型和中国均匀分布的936个GPS水准点数据计算得出中国青岛大港验潮站的重力位为62 636 852.85±0.07 m2/s2,进而得到中国1985高程基准相对大地水准面的垂直偏差为0.32 m. 相似文献
7.
由于坐标系统不同,用GPS进行高程测量时必须首先进行高程拟合确定似大地水准面。高程拟合的方法有多种,当测区面积不大时,这些方法在一定程度上都能取得好的效果,但当测区面积很大时,直接应用这些方法往往难以取得好的结果。实际操作中对于测量面积很大时,往往采用分区拟合的方法。目前分区主要有两类方法:一是根据测区的实际地形起伏情况划分;二是根据支撑点的高程异常来划分。按地形分区,简捷易行常被采用,但有时精度难保证;按支撑点划分,在地形复杂地区,其高程异常起伏不定,根据相邻点的高程异常的差值很难定出分区情况。本文提出一种新的思路,即首先依据EGM96去掉高程异常中的中长波部分,再用残余的高程异常做等值线图,根据等值线图再进行分区。由于等值线图能反映高程异常的细部结构,根据等值线图进行的分区能保证每个分区中高程变化的单调性,因而有利于高程的拟合。实例表明,该方法能取得良好的拟合效果。 相似文献
8.
针对似大地水准面在精化过程中不同移去-恢复高程转换模型的适用性和选取问题,基于二次曲面和EGM2008重力场模型,分别构建了RBF神经网络、多面函数和Shepard等3种类型的移去-恢复模型,结合平原和高原山区两个工程实例,通过调整高程拟合点数目进行似大地水准面拟合与精度对比。结果表明,在平原地区,EGM2008-多面函数高程模型精度略优于其他模型;在高原山区,当拟合点数较少时,基于EGM2008的移去-恢复模型精度高于基于二次曲面的移去-恢复模型,其中,EGM2008-多面函数和EGM2008-Shepard较优,而随着拟合点数目的增加,二次曲面-Shepard高程转换模型的精度优于其他模型。 相似文献
9.
10.
张赤军 《大地测量与地球动力学》1999,19(4):21-26
在介绍由高程异常确定大地水准面有关理论的同时,提出了用地形质量计算重力异常垂直梯度的方法,结合高程异常资料,可以使山区大地水准面得到精化。将本方法应用于珠穆朗玛峰,获得其大地水准面高为- 30.36 m 。 相似文献
11.
吴恒友 《大地测量与地球动力学》2015,35(6):945-947
从两个工程实例的GPS高程拟合测量入手,分析三、四等水准测量的要求。展开GPS高程拟合与常规水准获取高程的比较分析、GPS/水准观测高程拟合精度的统计分析、GPS观测等级对GPS/水准观测拟合高程精度的影响分析、利用常规水准限差来评定GPS拟合高程水准等级的研究及GPS拟合高程的实用性分析。结果表明,在一定条件下GPS高程拟合测量可替代水准测量。 相似文献
12.
针对最小二乘支持向量机(least squares support vector machine,LSSVM)在区域似大地水准面拟合过程中存在较大模型误差的问题,构建LSSVM-Shepard GPS高程异常转换组合模型。采用LSSVM拟合高程异常中的中长波项,利用Shepard插值模型来泛化去除中长波项的残余项。结合平原地区和高原山区工程实例,分别采用二次曲面模型、LSSVM、Shepard插值模型、二次曲面-Shepard模型、LSSVM-Shepard模型进行高程转换及精度对比。结果表明,新组合模型高程转换精度高于各单一模型,且在平原地区转换效果与二次曲面-Shepard模型基本一致,在高原山区拟合效果优于二次曲面-Shepard模型。 相似文献
13.
徐新强 《大地测量与地球动力学》2015,35(5):853-856
针对EGM08重力场模型构建过程中存在的不足,提出用GOCE重力场模型替换EGM08模型的中低频部分,用剩余地形模型RTM拓展EGM08模型的甚高频信号。模拟分析表明,GOCE模型能大幅提高高程异常计算的精度,而RTM对高程异常的贡献也不可忽视。实测GPS/水准数据表明,GOCE模型对高程异常的贡献达到43%,而RTM也贡献了1cm的精度。 相似文献
14.
根据分布于新疆全区13个地州、38个测区的998组GPS水准数据,计算得出EGM2008模型在新疆地区的总体精度为0.146 m,其中平原区为0.063 m,山区为0.117 m,沙漠区为0.205 m,高山区为0.217 m。分析了EGM2008模型高程异常精度的分布规律及其随距离的变化情况,进而提出在一定范围内利用EGM2008模型对GPS大地高进行转换可以代替四等以下水准测量的观点及其适用范围和注意事项。 相似文献
15.
????EGM2008?????????????????????????CRUST1.0???????-?????????????????????????й????Moho??????????????й????Moho?????????????????о????????? 相似文献
16.
利用EGM2008重力数据计算的布格重力异常,以CRUST1.0给出的壳-幔密度差为依据,通过重力反演获得中国大陆Moho起伏分布,所得的中国大陆Moho深度基本特征与以往研究基本一致。 相似文献
17.
利用中国区域2015~2017年探空数据,建立一种顾及地表温度、地表水汽压、高程和纬度的中国区域大气加权平均温度Tm模型(BET模型)。以2018年探空站Tm数据为参考值,分析BET模型精度,并与Bevis模型和GPT3模型进行对比。结果表明,BET模型年均RMSE与bias分别为3.15 K和0.04 K,相比于Bevis模型、1°×1°分辨率的GPT3模型和5°×5°分辨率的GPT3模型,年均RMSE分别降低29.2%、32.8%和39.1%,年均bias分别降低96.4%、96.7%和97.4%,且该模型在中国区域不同高程和纬度上的精度与稳定性优于Bevis模型和GPT3模型。 相似文献
18.
针对中国南部地区地势西高东低、沿海与内陆存在差异等情况,分析中国南部地区Tm与地面温度、测站高度、季节变化以及纬度的关系,利用中国南部地区19个探空站2015~2017年的探空数据,在Bevis公式的基础上建立只考虑地面温度的线性模型(Tm-SC1模型)和与地面温度、高程、季节变化以及纬度有关的新Tm模型(Tm-SC2模型)。以2018年的探空数据为参考值,对Tm-SC1模型和Tm-SC2模型进行精度验证,并与广泛使用的Bevis公式和GPT3模型进行精度比较。结果表明,Tm-SC1模型的年均偏差和均方根误差(RMS)分别为0.76 K和2.57 K,相比Bevis模型和GPT3模型,其精度(RMS值)分别提高13.8%和2.2%;Tm-SC2模型的年均偏差和均方根误差(RMS)分别为-0.10 K和1.64 K,相比Bevis模型和GPT3模型其精度(RMS值)分别提高44.9%和37.6%。Tm-SC2模型用于GNSS水汽计算导致的理论RMS误差和相对误差分别为0.16 mm和0.43%。因此,Tm-SC2模型更适用于中国南部地区的GNSS水汽探测以及气象研究。 相似文献
19.
针对传统灰色模型在形变监测中数据序列拟合和预测精度不理想的情况,提出粒子群算法优化的分数阶算子EGM(1,1)模型。通过粒子群算法选择拟合EGM(1,1)平均相对误差最小的分数阶次,构建最优分数阶算子EGM(1,1)模型。用典型的变形监测数据验证优化模型,结果表明,优化模型对变形监测数据的拟合和预测都达到较高的精度,说明优化模型在变形监测数据的处理中具有可行性和有效性。 相似文献
20.
根据长三角地区7个探空站基于积分法计算的2016年大气水汽转换系数(K值),利用多元线性拟合分别构建不顾及高程的Emardson-I精化模型和顾及高程的Emardson-H精化模型,并用2017年的K值验证两种模型的精度。实验结果表明,Emardson-H预报模型的MAE和RMS分别为0.001 297和0.001 616,略优于Emardson-I预报模型的0.001 303和0.001 620;基于两种新模型的GNSS-PWV反演精度相当,其MAE和RMS均优于0.6 mm。因此,Emardson-I模型以其无需实测气象参数和无需顾及高程在长三角地区的地基GNSS气象学实时应用中具有更好的效率优势。 相似文献