神经网络BP算法在GPS高程转换中粗差探测的尝试

引入神经网络的BP算法中稳定、收敛速度快的Levenberg—Marquardt算法,进行GPS高程转换中的粗差探测,提出了LM粗差探测法。通过实验做出分析比较,得出了实用可行的计算方法。     

基于神经网络并考虑地形改正的GPS水准高程拟合

从考虑地形改正的基础出发,运用神经网络进行GPS水准高程拟合。从节约计算时间的角度提出了新的思路,认为不必深究于过密的DEM模型数据,DEM模型数据只是中间过程,能达到精度要求即可,如果过于强调其精度,相反还会带入DEM高程模型算法本身的系统误差。并提出了DEM模型的密度是否符合拟合要求的初步判定方法。还对神经网络的基本理论作了简单的概括和说明。     

利用MATLAB实时处理GPS数据

利用MATLAB软件环境,现场接收并实时处理海上地球物理调查过程中的GPS定位数据,剔除原始数据中的跳点,处理定位误差。采用样条拟合对测线进行拟合光滑,绘制各步处理结果的图形,并将处理前后的航向、航速数据及由此计算出的Eotvos改正值绘制成的曲线进行比较,结果表明:由原始数据计算得到的定位误差较大,与实际船体航行的轨迹有一定差距,而用经过MATLAB处理后的数据计算得到的定位误差较小,航向、航速等与船体航行的真实航迹接近,由此计算出的Eotvos改正值的精度也达到了海上重力测量中Eotvos改正的要求,保证了地球物理数据的质量。     

基于移动曲面模型的GPS高程拟合

移动曲面模型具有连续性函数模型和离散性函数模型的双重特征,是GPS高程拟合模型中一个比较有应用优势的模型。推导出了该模型的一般形式,并用该模型进行了一个实例计算,效果良好。     

基于广义延拓逼近法的GPS高程拟合

将广义延拓逼近法用于GPS高程拟合中,解析了该方法的基本原理与算法。通过实例验证分析此方法用于GPS高程拟合的适用性与精度,重点将该方法与其他几种常见的GPS高程拟合方法在同等条件下的计算结果进行对比分析。实例证实,该算法用于GPS高程拟合相对于其他方法,精度较高,计算简单,且所得函数曲面光滑性更好。     

基于自适应神经模糊推理系统的GPS高程转换

在工程实践中需要将GPS高转换为正常高。近年来,神经网络方法已经用到这一目的,并且取得一定成果。然而这种方法有一些缺点。一种新方法ANFIS被用来解决这一问题。首先简单介绍ANFIS理论,然后介绍使用ANFIS转换GPS高程的具体过程,最后给出一个使用本方法的工程实例及相应的结果。     

利用MATLAB处理测绘数据的优越性分析

结合MATLAB强大的数据分析处理功能,针对测绘数据的特点,探索MATLAB在大地测量平差、遥感数据、GPS数据以及开采沉陷等测绘数据处理领域中的应用方法,并通过实例说明MATLAB程序设计和应用方面的一些方法和技巧。     

计算结构可靠度的RBF神经网络响应面法

对功能函数不能明确表达的问题进行可靠度分析,常采用响应面法。其中二次多项式响应面法应用较为广泛,采用与此方法相同的思路,提出了RBF神经网络响应面法,并通过算例与常用的BP神经网络响应面法进行了对比分析,该方法在学习速度、迭代次数等方面均优于BP神经网络响应面法。该方法用于大型复杂结构的可靠性分析,可相应提高工作效率和解题质量,具有一定实际应用价值。     

沿海岛屿国家高程基准的建立

沿海岛屿建立国家高程基准,统一海岛与大陆的高程系统,是海洋测绘研究的重要课题之一。GPS技术在测量上的应用,为此课题开创了一个新的探索路径。本文结合海道测量熟悉的潮汐理论和常用的潮位传递方法,采用水面水准与GPS高程相结合,通过在我国沿海地区的具体实践,比较两项作业的最后成果,相互验证,说明了依这种传递高程的方式建立的沿海岛屿国家高程基准,在理论上是成立的,精度也是能满足需要的,因此,是目前连接海岛和大陆之间高程关系较有效的办法。     

利用地球重力场模型精化GPS水准

分析了近年来在GPS水准拟合研究领域所取得的成果，并指出了各种拟合方法的利弊，根据测量实践提出了二次求差后GPS水准拟合的方法，该方法既考虑了不同系统偏差的影响，又能将地球重力场不同波段反映到水准高中，从而达到了利用全球重力场模型精化GPS水准的目的。实例计算表明所提方法是合理有效的，可以满足四等水准测量的要求，具有一定的实用价值。     

利用AMSR-E卫星数据反演蒸发波导高度的BP神经网络方法

主要结合P-J模式和全通道AMSR-E卫星数据,利用两种BP神经网络方法对热带海区蒸发波导高度进行了反演研究。(1)利用BP神经网络反演得到的气象参数通过P-J模式计算蒸发高度;(2)利用卫星AMSR-E数据直接反演蒸发波导高度。两种方法得到的与浮标实测参数计算得到的蒸发波导高度之间的相关系数相当,都为0.82左右,均方根差后者比前者小,分别为2.64m和1.89m。利用后一种网络直接反演了南海地区的蒸发波导高度,平均结果与其他文献结果基本一致。     

Estimation of Tsunami Run-up Height by Three Artificial Neural Network Methods

Tsunami run-up height is a significant parameter for dimemsions of coastal structures.In the present study,tsunami run-up heights are estimated by three different Artificial Neural Network (ANN) models,i.e.Feed Forward Back Propagation (FFBP),Radial Basis Functions (RBF) and Generalized Regression Neural Network (GRNN).As the input for the ANN configuration,the wave height (H) values are employed.It is shown that the tsunami run-up height values are closely approximated with all of the applied ANN methods.The ANN estimations are slightly superior to those of the empirical equation.It can he seen that the ANN applications are especially significant in the absence of adequate number of laboratory experiments.The restdts also prove that the available experiment data set can he extended with ANN simulations.This may be helpful to decrease the burden of the experimental studies and to supply results for comparisons.     

基于MapObjects的全球定位系统高程转换

应用VB语言,开发了一个基于MapObjects的GPS高程转换系统,其具有精度高、可视化强、信息集中、操作简便等优点,给用户带来了很大的便利。     

GPS RTK高程拟合方法研究

介绍了全球定位系统实时动态测量(GPS RTK)高程的理论方法和数学模型，基于工程实例和实验数据研究了起算点的空间分布、起算点数量和拟合方法对高程拟合精度的影响，提出了提高水准拟合精度的有效措施。     

基于改进BP神经网络的海底底质分类

通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。     

改进BP算法在风暴潮极值水位预报中的应用

提出1种基于改进BP算法的风暴潮极值水位预报方法。首先针对现有人工神经网络BP算法存在的缺陷,引入Cauchy训练方法计算连接权的调整,解决BP算法的局部极小点和网络瘫痪的问题。然后结合山东海区水文观测站每年的台风风暴潮资料,应用该改进算法建立台风强度、风速和台风移速与风暴潮极值水位的非线性网络预报模型,对该站极值水位进行预报。实验结果表明,该算法具有很好的稳定性和准确性,为风暴潮预报分析提供了1种可靠的技术手段。