原始数据误差对放样点精度影响的探讨

本文在文献[3]的基础上,进一步探讨了工程测量中原始数据误差对放样点精度影响的问题。首先,讨论了施工控制网中原始数据误差存在的形式、特点以及它们对放样点精度影响的传播规律,并建立了关于相对放样点位精度的矩阵公式。在此基础上,对现有的几种常用放样方法中原始数据误差的影响进行了分析和计算。结果表明,在施工放样测量工作中,应该密切注视原始数据误差的影响,并对此问题提出一些合理的建议。     

基于BP神经网络的地图数字化误差纠正

由于在数字化采集过程中不可避免地会引入系统误差和异常误差,因此消除和削弱这些误差的影响是提高空间数据质量的关键。然而由于图纸变形不均匀,扫描误差又极其复杂,用常规的多项式拟合技术只能消除部分有规律的系统误差,很难完全消除它们对地图数字化坐标的影响。BP神经网络是一个高度非线性映射系统,能以任意精度逼近。结合地图数字化坐标改正的特点,本文给出了基于BP神经网络地图数字化坐标误差纠正的方法,并通过实例验证了该方法的有效性。     

三维激光扫描测量精度评定的讨论

三维激光扫描点转换到工程测量坐标系时,误差来源多、类型多,目前尚没有一套完整的精度评定方法体系。本文对误差源进行分析,将其误差归纳为标准控制点测量误差、扫描误差和坐标转换模型误差三大类;探讨了扫描点在工程测量坐标系中的位置误差指标体系,给出了体系中各项精度指标的计算方法,为三维激光扫描测量在不同的应用中提供一套系统的精度评定参考。     

论精密水准测量的误差传播,精度估计和质量控制

本文根据统计相关理论，在进行精密水准测量的误差传播和精度估计研究的基础上，探讨了全中误差的限差和质量控制问题。根据图形相关原理，给出了计算全中误差的无偏公式。     

论精密水准测量的误差传播,精度估计和质量控制

本文根据统计相关理论，在进行精密水准测量的误差传播和精度估计研究的基础上，探讨了全中误差的限差和质量控制问题。根据图形相关原理，给出了计算全中误差的无偏公式。     

导线网严密平差验后测角中误差超限问题的探讨

本文利用实例讨论了一、二级导线严密平差后测角中误差超限问题,通过分析原因,提出了对现行《规范》测角中误差精度指标合理修改建议。     

BP神经网络在局部似大地水准面精化的应用

针对高程拟合中的模型误差问题,采用BP神经网络方法进行拟合,可以减小模型误差,提高似大地水准面的精化精度。在焦作市局部似大地水准面精化算例中,BP神经网络高程拟合取得了良好的效果。     

关于GIS属性数据逻辑运算方法的精度问题

本文对ＧＰＳ属性类别数据进行逻辑运算的误差问题进行了研究，并且针对逻辑运算的“逻辑交”，“逻辑并”和“逻辑补”等算法的误差传播和精度问题进行了分析。     

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。     

观测值精度指标一致性与样本容量的关联性分析

观测值精度指标的表达通常有中误差、或然误差和平均误差,对于比较不同精度的观测数据,由于定义和计算原理的不同,它们在反映测量时存在一定差异,且与样本数据的数量(即样本容量n)存在较大的关联。以不同精度的仪器出来的实验数据为研究对象,采用MATLAB设计了相关计算程序,在粗差检测与剔除的基础上,详细探讨了不同精度指标与样本容量的关联性。实验证明,n=8~12时,精度指标中误差、或然误差、平均误差具有一致性。     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。     

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。     

遗传小波神经网络在变形预报中的应用

目前常用的变形预报方法有BP人工神经网络和小波神经网络,但是都存在收敛速度慢且易受局部极值的影响。针对这两种算法的不足,本文利用遗传算法的全局寻优特性,将遗传算法与小波神经网络结合,形成遗传小波神经网,将其应用于变形预报,取得了良好的效果;并将算法的预报精度、稳定性、有效区间及运算时间作为评价算法优劣的4个标准,对BP神经网络、小波神经网络及遗传小波神经网络进行对比,结果表明遗传小波神经网络具有明显的优势。     

利用一种模糊神经网络对遥感影像进行分类的研究

结合遥感影像的特点,提出一种模糊逻辑系统和神经网络中的BP算法相结合的模糊神经网络,利用其进行整个遥感图像的分类,并和典型的BP神经网络进行对比,发现其优点以及存在的问题。     

GPS高程拟合的BP人工神经网络算法及结构探讨

分析了GPS高程异常求解的三种常用方法,对转换GPS高程的BP人工神经网络算法及模型结构进行了较详细的试验研究,结合GPS测量和水准测量资料,对拟合精度进行了分析比较,得出了有实用价值的结论。     

基于混合模型的平面坐标转换方法研究

介绍平面坐标转换的仿射变换和二次多项式变换法,这两种方法存在一定的不足,为了提高转换精度,提出"仿射变换+神经网络"的混合模型法。通过工程实例,比较发现混合模型比前两种模型的计算精度高,证明该方法的有效性,并得到具有工程应用价值的结论。     

基于神经网络的似大地水准面模型精化方法研究

似大地水准面的精化与高程异常的求解是同一个概念,为提高似大地水准面精化的精度,采用格网＋神经网络方法,借助神经网络BP方法,建立高程异常与坐标之间的函数关系;用训练好的神经网络模型和固定间隔的格网,建立格网模型;在已建好的格网模型中,内插出给定点的高程异常值。结合江苏省C级GPS水准网进行试验,拟合效果有明显的改进,克服了目前研究中存在的问题。     

BP神经网络融合预报在深基坑监测中的应用

针对多传感器采集的多种变形信息,提出了利用BP人工神经网络的方法进行数据融合处理,以达到对变形体变形状况更加准确预报的目的。通过BP神经网络训练精确得到各种观测值权重,避免了人为主观因素的影响。利用该方法对多传感器数据进行横向预报可以实现对暂时损坏的传感器数据准确预测,保证数据的连续性。也可以采用该方法进行多传感器数据纵向融合预报。在广州某小区基坑综合监测项目中,预报结果与实际变形情况相吻合,取得了良好的效果。     

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。     

基于L-M算法的BP神经网络分类器

以TM图像为例,讨论了基于Levenberg-Marquardt(L-M)算法的BP神经网络分类器及其在遥感图像分类中的应用。LM算法是梯度下降法与高斯牛顿法的结合,由于利用了近似的二阶导数信息,LM算法比梯度法快。就训练次数及准确度而言,LM算法明显优于变学习率法的BP算法。