GNSSα�����ģ�͹��ƵķDz���Ϸ���

??????????????????????????ξ????????????2??UGIF???????????GNSS[JP2]???α????????????UGIF????????????÷??????赥????????????UGIF?????????????????μ???α??????????????o??????????й????????????????????????????????????????????????Ч???     

����MODIS�����������ʪ�ӳ�ģ�ͽ��������о�

?????????????????????????????MODIS????????????о????????μ????????????о???????MODIS??????????????????????????????????????????????????????????????????????????????????????????????????     

��Ͽ����P���ٶȲ��������о�

?????????????????10????2001~2006???17 243??P????????????о????????????P???????????????:???????P???????????????????????仯????????????;??????μ????????????仯??????????????????????????;1979??????5.1???????????????????仯???λ??λ?????????????????     

Bursa������ת��ģ��7����������Ⱥ�ⷨ

???Bursa????????????7????????й???????С????????????????????????????????????????????????????????????????Bursa????????????7????????????????????????????????????????????????????????     

CCD����ˮ׼ϵͳ�ı궨���������

??????????????????????????CCD?????????????????????????????????????? ????????????:????????????CCD???б?????????????????;????????????崫???????б????????????????????????????????????????????ε?????????????????????????÷??????????????????????????????е???????     

�ٷ���������̨ˮ׼�����޷��α��쳣�ۺϷ���

???????D??InSAR?????????????????ξ???仯????????????α??????BM3????Χ?????編?????????????????????????????????α???δ????????????????????????????????????α????????????仯??????????С??Χ????Σ???InSAR?α????????????BM3??????????????????????????λ??????編????????????3?????????????????????????????????5.11 mm????????????BM4??????????4???????????????仯??????仯??BM3???????????????￡????????·???????????????????????????????????????????????????????????????????????     

�Ϳմ�������������Ŀ������ܽⷨ

???????????????????????????????÷?????????DLT????????????Huber????????????λ??????????????????????????????????????????????????????????????????????????????λ??????????????????????????и????????????????     

�߲��GPS��ظ߲������ȵ�Ӱ��

???????????????????????????????????????????????????????????????????????Ч????????????????????λ??????????????????????вο????????????в????????????顣?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????     

�Ͷ�Ms5.1�����𺦷ֲ�����

????????????????????Ms5.1????????????з????????????????????????????????????????????????μ????????????NW-SE????????????3.9 km???????2.4 km??????7.7 km²?????????????????????????21.4 km???????13.6 km?????251 km²???????????????????н?????????????????????????????????????????????????????????????????????й??     

HVF������GPS��·��ЧӦ�о��е�Ӧ��

????????Helmert????????????Vondrak????????????HVF??????????????GPS??·??Ч????о????????????????????????????÷???????????Vondrak?????????????????????????????????Ч????????????????е????????????????÷????????·????????????GPS??·??Ч?????????????????????Ч????????·??Ч??????????????????GPS??λ?????     

����ƽ����Ϻ� BP��������Ϸ���GPS�߳�ת��

???GPS???????????????????????????y?????????BP?????編??????????????????????6????????????????????????????????????6?????????????????????????????BP?????編???????????3????????????????????     

���ڶ��������BP���������ģ�͵�GPS�߳��쳣���

??????????????BP??????????????????????????У?????????????????????????????????硣?????????????GPS?????????б?????,?????????????????????????????????????????????????????????????????????????????????????????????????     

基于改进小波神经网络的GPS高程拟合研究

针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型.为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度.以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证.结...     

基于MVO优化神经网络的GNSS高程异常拟合方法

针对普通神经网络的梯度消失和易陷入局部极值的问题,提出一种基于多元宇宙优化算法(multi-verse optimizer, MVO)的BP神经网络优化方法(MVO-BP),利用MVO全局寻优的特性求取BP神经网络各层之间可靠的神经元阈值与连接权,从而使神经网络预测模型具备更高的预测精度。建立基于MVO-BP算法的GNSS高程异常拟合预测模型,并采用实际工程中少量高程异常数据进行算法可行性检验。结果表明,相较于常规的BP神经网络法及多面函数法,MVO-BP法精度更高、适用性更强,可为实际工程测量中正常高的求取提供参考。     

��������Ⱥ֧�������������ǵ��θ�����GPS�߳����

?о?????????????????????GPS???????е?????????????????????????????????θ??????????μ??????????????????????????????????????????????????????????????????????SVM??????????????????????????????淨?????溯??????BP?????編???????????侫??????     

����Bayesian����BP�������GPS�߳�ת��

?????BP?????????????????????????????????????Bayesian?????????BP??????????????????????????GPS??????????????????L-M????????????????????????Bayesian??????BP????????????????????????????????????     

样本数据预处理对基于BP神经网络的GPS高程拟合的影响

分析在基于BP神经网络的GPS高程拟合建模中样本数据预处理的必要性,并列举了归一化、中心化、标准化3种数据预处理方法,然后结合实例,在神经网络建模中增加一个数据预处理层,分别用3种训练方法对基于不同数据预处理的模型进行训练建模,将计算结果进行对比分析,并与二次曲面模型结果进行比较,得出不同数据预处理方法对基于神经网络的GPS高程拟合建模精度的影响不同,且神经网络方法比二次曲面方法的拟合精度更高。     

基于WPA-WOA-BP神经网络的PM2.5浓度预测

针对传统BP神经网络存在的学习速度慢、易陷入局部极值等问题,利用鲸鱼优化算法(WOA)以及狼群算法(WPA)混合优化BP神经网络的权值和阈值,构建WPA-WOA-BP神经网络模型,并对PM2.5浓度进行预测.实验结果证明,WPA-WOA-BP神经网络模型预测稳定性高,可用于PM2.5浓度的预测,且预测精度优于BP神经网...     

基于广义回归神经网络的GPS高程转换

为提高GPS高程转换的精度,采用广义回归神经网络(GRNN)进行拟合。将控制点的X、Y坐标作为网络输入,高程异常作为网络输出,采用实验数据训练网络,训练完成的网络作为模型进行高程异常预测。结果表明,GRNN方法具有较高的GPS转换精度。     

基于改进RBF神经网络的GNSS高程拟合

针对传统的RBF神经网络模型在GNSS高程拟合中拟合精度较低、稳定性较差、相关因子需提前人为设置等问题,通过将改进的自适应权重粒子群优化算法与MATLAB RBF神经网络函数newrb相结合,实现RBF神经网络函数模型中隐含节点数和SPREAD值的自动优化选取,提高算法在GNSS高程拟合中的精度和稳定性。通过实例分析,该方法拟合精度高,可达到mm级精度,相对于传统的二次多项式模型精度提高17%,稳定性良好。