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。     

基于AIC准则的RBF神经网络在GPS高程拟合中的应用

本文采用AIC准则优化RBF神经网络参数的方法进行GPS高程拟合,在建立网络模型过程中,对不同的聚类半径由最近邻聚类法求出不同类别的聚类数目及相应的聚类中心和初始扩展常数,通过对不同类别分别进行调整扩展常数的网络训练,求出其最小AIC值,再根据AIC准则确定结构最优的RBF网络模型。实验结果表明:这种方法为确定最优RBF网络模型的隐节点数目及相应参数提供了途径;拟合精度较高,在较平坦测区可以替代三等水准测量。     

基于AIC准则的RBF神经网络在GPS高程拟合中的应用

本文采用AIC准则优化RBF神经网络参数的方法进行GPS高程拟合,在建立网络模型过程中,对不同的聚类半径由最近邻聚类法求出不同类别的聚类数目及相应的聚类中心和初始扩展常数,通过对不同类别分别进行调整扩展常数的网络训练,求出其最小AIC值,再根据AIC准则确定结构最优的RBF网络模型。实验结果表明:这种方法为确定最优RBF网络模型的隐节点数目及相应参数提供了途径;拟合精度较高,在较平坦测区可以替代三等水准测量。     

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...     

GPS高程拟合方法研究

GPS测量获得的高程数据是以WGS-84椭球为基准的大地高,而工程中采用的是以似大地水准面为基准的正常高,两者之间存在高程异常。当前,主要采用GPS高程拟合求取高程异常值,而利用GPS高程拟合获得满足一定精度的正常高是测绘行业的研究热点之一。本文通过某测区GPS控制网数据与水准测量数据,采用多项式曲线拟合法、多面函数拟合法、二次曲面拟合法、RBF神经网络拟合法、二次曲面拟合法与RBF神经网络组合拟合法求取高程异常值。结果表明:1)单一拟合法的拟合精度低于组合拟合法拟合精度。2)依据内、外符合精度,本文采用的5种高程拟合方法均满足四等水准测量要求。因此,在精度允许的前提下,可借助GPS高程拟合方法代替传统水准测量,进行高程值的获取。研究成果对GPS高程拟合在实际工程中的应用具有重要参考价值。     

GPS高程转换的模型参数优选与稳健估计

在进行GPS高程拟合时,如果所用函数模型中未知参数个数不恰当,或者随机模型中采用了一个不合理的权阵,都将导致所建数学模型和客观实际存在较大偏差,而影响最终的拟合精度。文中研究了GPS高程拟合时对所建立的数学模型进行参数优化选择和稳健估计,计算数据表明该方法比常规方法在精度上有所提高。     

RBF神经网络组合模型在GPS高程拟合中的应用

针对函数模型和BP(back propagation)神经网络等常用GPS高程拟合方法模型单一、拟合精度不高的问题,本文在上述模型高程异常拟合的基础上使用RBF(radial basis function)神经网络对拟合残差值进行二次拟合,对高程异常拟合值进行残差改正以提高拟合精度。从内外符合精度、拟合残差大小分布等方面对组合模型和单一模型拟合结果进行对比,结果表明:组合模型的拟合精度相较于函数模型有显著提高,但对BP神经网络的拟合结果改善不明显。     

RBF神经网络—半参数优化模型在滑坡预报中的应用

将RBF神经网络模型与基于补偿最小二乘准则的半参数模型相结合,首先进行RBF神经网络模型的预报,在此基础上进行半参数模型改正,非参数利用补偿最小二乘法求出,建立优化的RBF神经网络——半参数模型。结合某边坡的GPS高程观测数据进行建模预测,与单一采用RBF神经网络预报模型相比,结果显示精度较好,该方法有效可行。     

RBF神经网络一半参数优化模型在滑坡预报中的应用

将RBF神经网络模型与基于补偿最小二乘准则的半参数模型相结合,首先进行RBF神经网络模型的预报,在此基础上进行半参数模型改正,非参数利用补偿最小二乘法求出,建立优化的RBF神经网络——半参数模型.结合某边坡的GPS高程观测数据进行建模预测,与单一采用RBF神经网络预报模型相比,结果显示精度较好,该方法有效可行.     

基于遗传算法的RBF神经网络在GPS高程拟合中的应用

本文针对RBF神经网络中隐含层径向基中心值的确定,利用遗传算法对其进行优化,并应用于高程拟合的实验研究中。通过将遗传算法优化的RBF神经网络与K-均值优化的RBF神经网络及标准RBF神经网络进行高程拟合的误差对比分析表明:遗传算法优化的RBF神经网络提高了拟合的稳定度,改善了精度。     

基于遗传算法的RBF神经网络在GPS高程拟合中的应用

本文针对RBF神经网络中隐含层径向基中心值的确定,利用遗传算法对其进行优化,并应用于高程拟合的实验研究中。通过将遗传算法优化的RBF神经网络与K-均值优化的RBF神经网络及标准RBF神经网络进行高程拟合的误差对比分析表明:遗传算法优化的RBF神经网络提高了拟合的稳定度,改善了精度。     

组合模型的GPS高程转换及精度分析

针对二次曲面模型在地形起伏较大区域用于GPS高程转换中存在较大的模型误差的问题,该文构建了二次曲面-RBF神经网络组合的GPS高程转换模型,组合模型中用二次曲面拟合高程异常中的中长波项,用RBF神经网络来泛化高程异常去除中长波后的残余项,并进行了二次曲面模型、RBF神经网络模型及二次曲面-RBF组合模型的实测数据GPS高程转换、比较分析与精度评定。实例结果表明:该组合模型比二次曲面模型的转换精度提高了22%,比RBF神经网络模型的转换精度提高了40%,该组合模型的转换方法可行、精度优于单一模型。     

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。     

多面函数模型中核函数个数对GPS高程拟合精度影响分析

在局部地区GPS高程拟合中,选择不同的拟合模型和方法会对GPS高程拟合的精度产生很大的影响。本文通过对多面函数拟合模型中不同核函数中心点个数选择对GPS高程拟合精度影响的研究,通过实例计算分析得到结论:核函数中心点因个数选取的不同,对GPS高程拟合精度的影响较大,在采用多面函数模型拟合GPS高程时,应该考虑核函数中心点个数的选择问题。     

多面函数拟合法转换GPS高程

对GPS在高程方面的应用现状作了简单的介绍,综述近年来用GPS求定正常高的几种方法,即多项曲线拟合、多项式曲面拟合、多面函数曲面拟合、加权均值法、非参数回归法和高程异常变化梯度法、固定边界三次样条插值法、线性移动拟事法、神经网络法、非格网GPS散点数据考虑地形改正法。对GPS高程测量基本原理和基本方法进行了讨论,提出根据测区的实际情况选择不同的GPS高程转换方法,综合利用GPS点的高差和高程观测值拟合高程异常的方法,利用多面函数来拟合似大地水准面。     

GPS高程拟合方法及评价准则研究

GPS获得的大地高需要转换成正常高才能得到工程应用。该文针对某测区的GPS和水准数据的高程转换问题,分别利用曲线拟合法、曲面拟合法、BP神经网络拟合法和RBF神经网络拟合法对该问题进行研究,并提出不同的精度评价准则对上述模型在工程应用中的可行性及精度进行分析。结果表明,在区域范围较小且呈面状分布的地区,采用RBF神经网络相对于曲线拟合模型、曲面拟合模型和BP神经网络模型,可以获得更高的拟合精度以及鲁棒性。本文的对比分析结果可以供读者在实际工程应用过程中参考。     

基于GSA-BP神经网络的GNSS高程拟合方法

针对传统BP神经网络模型进行全球导航卫星系统(Global Navigation Satellite System, GNSS)高程拟合时存在的收敛速度慢,易陷入局部极小值和拟合精度受初始参数选取影响大的问题,提出一种遗传模拟退火算法(Genetic Simulated Annealing,GSA)优化的BP神经网络模型:GSA-BP.该模型利用GSA的全局搜索能力对BP神经网络的模型参数进行自动寻优,确保BP网络能够获取全局最优解并提升拟合精度.最后采用实际工程算例开展试验,对所提GSA-BP模型的高程拟合性能进行评估和验证,结果表明所提GSA-BP模型相对于传统BP神经网络模型具有更高的拟合精度和更强的数据适应性,更适用于实际工程实践场景.     

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。     

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。     

卫星定位高程拟合模型优选

卫星定位高程拟合模型常用的有曲面拟合模型、多面函数拟合模型及神经网络模型等。这些拟合模型均有其优势和局限性。针对如何选取小区域的最优高程拟合模型问题,提出了运用二次曲面模型、三次曲面模型、多面函数模型及BP神经网络模型分别对GPS高程进行拟合的方法进行验证。该实验以山东省某矿区的实测数据为例,对比分析各个模型的优缺点,并运用AIC准则对模型进行综合评定。实验结果表明,对于小区域小数据量的卫星定位高程拟合,多面函数拟合模型为最优模型。