基于神经网络的GPS高程拟合算法探析

随着GPS定位技术的发展,人们已经能够获得控制点的高精度平面位置,但一直未能以相应精度求解控制点的正常高程。为提高GPS高程测量的精度,以某工程控制网为例,针对BP神经网络方法应用于GPS高程拟合进行比较研究,可见,遗传神经网络应用于GPS高程拟合,其精度优于BP神经网络,且收敛速度加快;退火神经网络应用于GPS高程拟合,拟合效果也优于BP神经网络。     

Elman神经网络在GPS高程拟合中的应用

根据Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,将其运用到GPS高程拟合中,通过实例数据比较Elman神经网络与几何解析法、BP神经网络和广义回归神经网络的拟合效果,结果表明该方法拟合效果最佳。     

BP神经网络在GPS高程拟合中的应用探讨

神经网络算法一直是国内外研究的热点问题,BP神经网络算法具有更小的模型误差,因此,被广泛应用于GPS高程拟合。本文通过对同一区域GPS高程拟合的应用探究,运用迭代运算对比BP神经网络算法与多项式拟合数据,从而证明BP神经网络在一定条件下具有更高的精度,更加突出了BP神经网络算法的实用性。     

RBF神经网络在GPS高程拟合中的应用

通过对离散GPS／水准点观测数据进行拟合从而获得区域内任意一点的高程异常是工程实践中经常遇到的问题。利用RBF神经网络方法进行了GPS水准高程拟合实验,并将得到的高程异常结果与采用BP神经网络方法和二次曲面拟合法得到的结果进行了分析比较;通过3种方式的分析比较,证明利用RBF神经网络进行GPS高程拟合的可行性以及相比其...     

基于RBF神经网络的GPS高程拟合方法的研究

GPS高程拟合一直是工程应用中的一个研究热点,其中神经网络拟合方法得到了广泛的应用。本文利用RBF神经网络模型进行GPS高程拟合实验,主要针对模型中隐含节点数和最佳SPREAD值的确定进行实验研究,并利用MATLAB神经网络工具箱实现了GPS高程拟合。同时,将RBF神经网络拟合结果与BP网络拟合结果进行对比分析,结果表明,RBF网络拟合效果要优于BP网络,得到的拟合精度要高。     

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.     

BP神经网络在GPS高程异常拟合中的应用

以提高GPS高程异常拟合的精度为目标,针对实际工程数据,对BP网络模型进行详细的设计,应用BP神经网络方法进行粗差的剔除和高程异常拟合实验及模型精度的评定,得到较满意的结果。通过与多面函数法得到的结果进行比较,证实该模型可使拟合精度有较大提高。     

利用小波神经网络的GPS高程转换

介绍小波神经网络的基本结构及学习算法,并应用于GPS大地高转换为正常高。结合实际工程数据,与BP神经网络作比较分析,因小波网络较强的非线性使得它泛化性能更好,收敛速度更快,经实例论证,在同等条件下,小波神经网络方法用于GPS高程转换的精度优于BP神经网络,且其精度可满足常规工程需要,具有一定实用价值。     

基于RBF神经网络的GPS高程异常拟合

由GPS静态相对定位获取三维基线向量,通过GPS网平差可以获取高精度的、相对于WGS84椭球的GPS大地高,而在实际工程中应用的高程则为正常高,因此必须进行高程异常的拟合。结合水准测量的实测数据,分别采用RBF神经网络方法和多项式曲面拟合方法拟合某测区的GPS点的高程异常,计算各点的拟合残差,并对2种方法的精度进行比较分析,得到该地区解算正常高最适用的方法。     

BP神经网络和SVR用于GPS高程拟合研究分析

首先介绍BP神经网络和SVR方法(支持向量机回归)用于GPS高程拟合的原理,然后通过实际数据比较BP算法和SVR在GPS高程拟合中精度。结果表明,以结构风险最小化为准则的学习方法SVR,其泛化能力明显比BP神经网络好,在工程中具有一定的实际应用价值。     

基于二次曲面的Shepard方法在GPS高程拟合中的应用

针对单一GPS高程拟合方法的不足,给出了一种基于二次曲面的Shepard拟合法。通过对二次曲面拟合法、Shepard拟合法和基于二次曲面的Shepard拟合法进行高程拟合结果的比较,表明基于二次曲面的Shepard拟合方法能显著提高高程拟合精度。     

GPS高程拟合应用精度分析

随着社会技术的发展,GPS高程拟合的应用日益广泛,但是关于其精度的分析还不是十分成熟,本文主要分析了GPS高程拟合的方法,并且对于如何改善GPS高程拟合应用的精度进行了介绍,以便提高大家对于GPS高程拟合的认识和理解。     

基于曲面拟合的GPS高程转换精度分析

针对大面积、地形复杂区域的GPS高程转换的精度问题,本文在对GPS高程拟合的基本原理及其具体的数学模型,如平面拟合、相关平面、二次曲面、三次曲面拟合模型进行研究的基础上,通过对新疆某区域的GPS/水准试验数据,利用Mat LAB软件进行编程计算,结果表明:平面拟合及二次曲面拟合模型对于试验区域的高程拟合复精度较差,而三次曲面拟合模型的转换精度较高,能满足后续的测量需要。     

基于SVR的GPS高程拟合模型研究

研究基于支持向量机回归(SVR)的GPS高程拟合模型,介绍SVR的基本原理,在选择不同样本量的情况下与多项式曲面拟合方法进行比较.试验结果表明,支持向量机回归方法的精度优于曲面拟合方法,尤其在小样本条件下,能够利用有限的样本信息获得最好的学习效果和泛化能力,比常规方法更具优越性.     

基于丹麦法计算权因子的GPS高程拟合方法研究

针对GPS高程拟合这一问题,介绍了等值线法、解析拟合法等传统GPS高程拟合方法,并选用丹麦法计算权因子,构造等价权矩阵,结合总体最小二乘法抵抗粗差点对GPS高程拟合结果的影响。结果表明:等值线法与其它两种方法对不含粗差的等精度观测数据拟合的效果相当;基于丹麦法计算权因子的抗差总体最小二乘法对不等精度观测数据的偶然误差处理效果更佳,且通过权因子可以有效处理粗差点对高程拟合的影响,拟合效果更佳。      

基于改进BP神经网络的GPS高程拟合方法

BP神经网络用于GPS高程拟合时存在收敛速度慢,受初始值选取影响大和易陷入局部极大值的问题。本文提出一种改进的BP神经网络高程拟合方法,将模拟退火算法(Simulated Annealing,SA)引入BP神经网络模型,利用模拟退火算法的全局寻优能力对BP神经网络的初始值进行选择,同时优化神经网络的各层神经元之间的连接权值和阈值,提高BP神经网络拟合法的拟合精度、收敛速度和推广泛化能力。最后结合实际算例对所提方法的拟合性能进行验证,结果表明利用模拟退火算法改进的BP神经网络进行高程拟合是可行且有效的,拟合结果优于传统BP神经网络法。     

多项式法在GPS高程异常拟合中的应用

使用多项式法对某区域高程异常插值计算,通过对不同参数的实验分析,得到了该区域的最优插值结果的参数;提出了多项式法与反距离加权平均法的综合计算模型,插值计算结果精度比传统多项式法提高了一个数量级。     

GPS高程拟合中神经网络法的基本思想

高程问题一直是困扰GPS的问题之一,而不同的GPS高程拟合方法都有其适用条件,并且精度不等。本文在对人工神经网络的基本原理、神经元模型、网络结构、数据结构和训练方式等研究的基础上,给出一种新的算法(新BP算法)。以“阜新控制网改造工程”作为一个具体实例,使用Matlab语言来完成GPS高程的拟合,并与其他方法作了比较,最后给出有益的结论。     

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MapObjects的GPS高程拟合系统的设计与实现

介绍了如何根据MapObjects技术,实现了基于图形界面的GPS高程自动拟合系统。其具有精度高、可视化强、操作简便等优点,给用户带来了很大的便利。