GIS空间数据质量控制的抗差拟合推估法

拟合推估法可用于拟合系统误差,削弱随机误差的影响,提高空间数据质量.与正常拟合推估法不同,提出了一种抗差拟合推估法以控制GIS空间数据的系统误差和异常误差的影响.在此基础上,提出了对剩余残差再拟合的思想,从而对拟合推估剩余系统误差进行控制.利用该方法,一方面可以有效地抵制系统误差的影响,另一方面又可以较好地遏制异常误差的污染.此外,对因协方差函数误差导致的信号估计偏差,也具有一定的补偿能力.最后通过实际计算与分析验证了该方法的有效性.     

GIS空间数据质量控制的抗差拟合推估法

拟合推估法可用于拟合系统误差,削弱随机误差的影响,提高空间数据质量。与正常拟合推估法不同,提出了一种抗差拟合推估法以控制GIS空间数据的系统误差和异常误差的影响。在此基础上,提出了对剩余残差再拟合的思想,从而对拟合推估剩余系统误差进行控制。利用该方法,一方面可以有效地抵制系统误差的影响,另一方面又可以较好地遏制异常误差的污染。此外,对因协方差函数误差导致的信号估计偏差,也具有一定的补偿能力。最后通过实际计算与分析验证了该方法的有效性。     

基于k阶Voronoi多边形划分的k阶数据场拟合

讨论了k阶Voronoi图的离散点集的生成算法，挖掘了k阶Voronoi图的性质并加以证明；参照k阶Voronoi图的定义提出了k阶空间数据场的定义，并结合参考点利用其影响因子给出了低阶空间数据场的拟合函数通式；利用k阶Voronoi图对平面空间的平面区域最近邻近划分实现了对空间数据场的分割，从而将大量参考点集数据场化解为多个单元数据场的低阶拟舍，有效地降低了数据场拟舍的难度；提出了合并拟合和叠加拟合策略，实现了将单元数据场综合为完整的空间数据场。     

抗差趋势面与正交多面函数结合拟合DEM数据

空间数据内插是DEM建模中不可缺少的环节。本文提出将趋势面与多面函数结合拟合DEM数据。在趋势面拟合过程中,提出将局部有显著起伏的采样点视为异常观测值,采用抗差估计法,控制显著异常点对曲面拟合的不利影响;针对多面函数拟合中,难以合理地选择节点这一问题,提出基于正交最小二乘法的基本思想,计算各节点核函数对曲面拟合贡献的大小,并依此为依据自适应地选择节点。最后利用新提出的方法,对野外实测的地形数据进行拟合,结果表明进行趋势面拟合后,再进行多面函数拟合,整体上优于直接利用多面函数拟合,而基于正交最小二乘法的多面函数拟合法的精度明显优于常规的多面函数拟合法。     

GPS高程拟合精度的研究

本文围绕如何提高GPS高程拟合精度进行分析,对GPS高程拟合模型的优选以及模型参数的优选进行了讨论,并以实例来验证了模型优选方法对提高拟合精度的有效性。     

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。     

基于Helmert方差分量估计的拟合推估法及其在地图数字化误差纠正中的应用

应用拟合推估法纠正扫描获得的数字化地图的变形时,会遇到调整观测噪声与信号之间权比问题的困扰。提出一种基于Helmert方差分量估计的拟合推估算法,可以通过Helmert方差分量估计合理调整权比,保证残差分配的合理性,从而达到有效的改善空间数据质量的目标。最后通过实际计算与分析,验证上述算法的有效性。     

基于两步解法的似大地水准面拟合

基于最小二乘估计(LS估计)的曲面拟合,作为似大地水准面拟合的一种方法,巳广泛应用在GPS高程转换中.然而,如果曲面拟合方程中存在病态问题,LS估计方法往往不能解算出稳定且准确的参数估值.在LS估计的基础上,探讨了基于两步解法的似大地水准面拟合方法.该方法能够减弱病态方程对拟合结果的影响,提高GPS高程转换的质量.最后...     

地形改正在GPS高程拟合中的应用研究

研究在RTK测量中,利用准确的似大地水准面,参考DEM模型数据,求解地形改正,达到提高GPS拟合高程精度的目的.试验结果表明:在丘陵和山地地区,应用地形改正能有效提高GPS拟合高程精度,为提高GPS拟合高程精度、充分利用GPS拟合高程、提高工作效率开辟了新的途径.     

基于二次曲面的拟合推估法在GPS高程测量中的应用

针对GPS水准拟合常用的多项式拟合模型、多面函数拟合模型和加权平均拟合模型存在的缺陷,采用最小二乘拟合推估的方法提高拟合精度,并通过某工程实例比较和分析,认为该拟合方法比单一模型精度更高、稳定性更强且具有较高的可靠性和实用价值。