DEM曲面内插组合方法的研究

数字高程模型广泛应用于测绘科学各个领域,如何建立模型并高效率地进行内插成为现在研究的热点问题。文中以辽宁省黑山市调兵山地区三维坐标采集数据为基础,使用多项式曲面内插法、加权平均法和组合方法进行内插,对比内插精度,验证加权平均对多项式内插精度的影响,研究组合方法的可行性,找出适合实验区域的内插方法。研究结果表明:在实验区域使用多项式和加权平均内插方法时加权平均方法内插精度最高;加权平均方法能较好地优化多项式内插精度;组合方法中加权双三次多项式内插方法能较好地削弱地势对精度的影响,是一种适合实验区域的方法。     

DEM曲面分区内插方法研究

DEM在工程建设与自然科学领域应用极为广泛,如何准确、高效地运用曲面内插成为内业数据处理方面的研究热点。本文以辽宁省调兵山试验区域内已知点数据为基础,对比了移动三角面内插法、双多次多项式曲面内插法、Zernike多项式曲面内插法的内插精度,研究了按曲面坡度分区讨论对内插的改进效果。研究结果表明,按曲面坡度进行分区,使用多项式和移动三角面法进行混合内插,能很好地削弱地势对精度的影响,使DEM曲面内插精度有很大的提高。     

DEM内插方法的研究与分析

在调兵山地区,选择61个已知点作为起算数据,采用移动三角面法和双二次多项式曲面内插法建立该地区的DEM模型。经实验分析发现,移动三角面法建立的DEM内插中误差值要高于双二次多项式曲面内插中误差值,尤其在地势变化比较大的区城内插精度比较高,适合地形起伏变化较大区域的高程内插。双二次多项式曲面法建立的DEM在地势变化比较平缓的地区内插精度要高于移动三角面法,适合地形起伏较小地区的高程内插。     

多项式曲面拟合和BP神经网络GPS高程拟合方法的比较研究

为了研究不同GPS高程拟合方法的拟合精度及差异性,选择二次多项式曲面拟合法和BP神经网络法进行比较研究.对已知数据进行分组,采用二次多项式曲面拟合法和BP神经网络法分别对各组数据进行处理、分析,计算精度指标,比较拟合点的分布、拟合点的数量和拟合方法对精度的影响.试验算例表明采用相同方法时拟合点的数量越多、分布越均匀拟合精度越高;在点的数量相同且较多,分布都相对均匀的前提下,BP神经网络法拟合的精度高于二次多项式曲面拟合法;在点的数量相同且较少,分布都相对均匀的前提下,BP神经网络法拟合的精度低于二次多项式曲面拟合法.     

GPS高程拟合方法的研究

本文选取某地区74个已知点(大地高和高程异常值已知)作为实验数据,选择46个点作为建模点,选择28个点作为外检验点,选择多项式曲面拟合模型和双次多项式曲面拟合模型及泰勒多项式拟合模型的方法来建立该地区GPS高程拟合模型,并研究不同模型对拟合精度的影响。通过VB程序设计语言实现拟合模型的建立并进行精度比较。通过实验证明,在多项式曲面拟合模型中二次曲面模型拟合效果最好,次数增加时出现龙格现象;在双高次曲面拟合模型及泰勒多项式曲面拟合模型中双三次拟合和泰勒二次多项式拟合效果最佳。通过实验比较,可以得出在多项式曲面拟合模型中双三次曲面拟合模型的拟合效果最好。     

面向MATLAB转换GPS高程的神经网络方法

GPS高程转换是GPS应用的关键问题之一。本文介绍了MATLAB中的BP神经网络工具箱常用函数以及实现步骤,设计了转换GPS高程的三种方案,利用MATLAB开发工具实现了BP神经网络转换GPS高程的方法。实例计算表明,采用合适的训练函数,选用好的网络结构,利用BP神经网络方法可以取得比二次多项式曲面拟合法更高的转换精度。     

似大地水准面格网双二次多项式插值方法

分析似大地水准面格网插值目前常用的方法,指出基于距离的加权内插方法是存在问题的,它会使曲面畸形、错开、不光滑、不连续,而双线性内插方法会使曲面存在明显的"尖点"和"折痕",这不符合似大地水准面的连续光滑性质,双二次多项式插值方法在拐点插值的情况下,也会出现曲面错开的现象.针对这些问题,建议采用改正的双二次多项式插值方法.它针对拐点插值进行了修正,有利于改善曲面的连续性和光滑性,提高似大地水准面格网插值的精度.     

InSAR与GPS数据融合在变形监测中的应用研究

随着地面沉降监测手段日益丰富,对多源地面沉降监测数据进行数据融合逐渐成为研究的热点。本文针对大气延迟对InSAR地面沉降监测的影响,利用GPS获取对流层延迟,对不同的内插模型,讨论了Kriging内插法、IDW内插法对流层延迟改正的内插模型,并在IDW内插法的基础上进行改进,提出了IIDW内插法,采用香港GPS监测数据与哨兵一号雷达卫星监测数据,通过3种内插模型,得到不同内插方法的双差分结果,并分析比较了3种内插方法的优劣。用计算出的差分对流层延迟改正对InSAR影像进行改正。实验结果表明:IIDW内插法对对流层延迟进行改正不仅提高了D-InSAR的精度,而且为InSAR与GPS数据融合解决提供了一种新的思路。     

粒子群算法优化的神经网络短期钟差预报

针对导航卫星钟差短期预报精度上的不足,该文提出了一种基于粒子群算法优化的BP神经网络钟差预报模型,通过粒子群算法来对BP神经网络的权值和阈值进行优化,利用IGS的钟差数据进行实验,并与灰色GM(1,1)模型、二次多项式模型和BP神经网络模型的预报结果进行对比分析。结果表明,粒子群优化算法的BP神经网络模型钟差预报效果良好,3h预报精度能够达到0.3ns,体现了本文钟差预报模型的实用性。     

基于LiDAR数据生成光滑等高线

首先通过曲面拟合修正部分粗糙地面点的高程,然后建立三角网跟踪等高点,采用加权二次多项式消除毛刺,最后采用顾及等高距的样条函数内插等高线。实验表明,本文方法能够在损失较小的精度下生成不相交的光滑等高线,视觉效果好。