三层BP网隐层节点数确定方法的研究

对确定三层ＢＰ网络隐层节点数的理论依据和现有做法进行了研究,提出了一种三层ＢＰ网络隐层节点数的双向确定法。     

三层模型的BP网络在GNSS高程拟合中的应用研究

针对我国绝大多数矿山地区还没有实现大地水准面精化的现状,利用BP模型实现这些地区GNSS高程的高精度转换。首先利用传统数学模型进行GNSS高程拟合,然后进行两个输入元、不同中间神经元与单一输出元的三层BP神经网络下的二次数据拟合,通过BP网络自适应映射能力实现非线性运算,避免人为构建模型误差,进而提高GNSS高程转换的精度,优势明显。利用某矿山实际工程数据对BP模型结构拟合结果进行了实际验证,得出矿区高程拟合差值平均误差可达到0.000 1 m,中误差0.028 3 m。BP模型还解决了矿区进行GNSS水准拟合时由于大地水准面的不确定致使拟合精度不稳定的问题。     

精密多波束测量中时延的确定方法研究

针对精密多波束测量中多波束系统与GPS系统间存在时间延迟的问题,提出了两种确定时延的方法,即坐标匹配法和竖向时序相似法。前者需根据NMEA0183电文和NAV电文中坐标对及其对应时标确定时延;后者根据GPS与heave呈现船体垂直运动时序的一致性,通过质量控制、姿态改正和垂直运动波形的相似性来确定时延。两种方法在时延确定中均取得了较高的精度。     

测量误差与测量不确定度表述方法的研究

本文研究了国家计量技术规范——《测量不确定度评定与表示》(JJF1059-1999)与测量数据处理的误差理论的区别与联系。讨论了如何依照JJF1059-1999的规定完整、准确地评价和描述测量结果。     

利用BP网络识别点状地图符号的研究

在利用BP网络识别点状地图符号的过程中,提出了三项改进措施,简化了数据获取,提高了网络收敛速度。通过对训练样本图像的格式分析,实现了输入神经元的简单获取;对神经元、权值数组采取堆内存动态分配的方式,减少了内存占用,极大地提高了权收敛速度;通过对网络拓扑的分析,调整了节点的输出方式,加快了权值改正。     

基于最小二乘配置法的BP神经网络GPS高呈异常拟合方法研究

传统的BP神经网络在GPS高程异常拟合应用有其一定的局限性,特别是在对于外推高程异常值方面,传统的BP神经网络的不足表现得尤为明显.针对高程异常的特性,既有趋势性也有随机性,结合BP神经网络的优点,提出一种改进型的BP神经网络高程异常拟合方法,利用最小二乘配置法综合考虑高程异常的趋势性和随机性的特点,采用BP神经网络方...     

转换GPS高程的BP神经网络方法研究

对于目前大范围点位分布不均,拟合法高程转换存在效果失真、模型误差等问题,本文给出了改进的BP神经网络方法转换GPS高程为正常高的算法,并与曲面拟合方法比较分析。经实例验证,在较大范围内,用神经网络方法转换GPS高程优于二次曲面拟合方法,所获得的正常高可满足工程生产的精度要求,具有一定的实用价值。     

基于BP网络与空间统计分析的山东人口空间分布模式预测研究

运用BP网络对山东省17地市未来人口总量进行预测,在预测数据的基础上运用空间自相关方法对未来人口的空间分布模式进行分析。研究表明:2005-2010年山东省人口密度的空间分布模式总体呈现"西南-东北"模式,存在着空间集聚现象;2006-2010年17地市局部空间关联类型基本没有发生变化,西部和南部8个地区存在着明显的"高-高"集聚;北部5个地区存在着明显的"低-低"集聚;淄博和青岛存在着两个"高-低"关联的孤立点。     

基于双向切片的点云孔洞修补方法研究

点云的孔洞修补是点云数据处理的重要一环。传统方法对孔洞区域包含多种曲面的孔洞,修补方法会产生失效或修补效果不理想的情况。本文引入了切片方法来进行复杂孔洞的修补,并在此基础上使用双向切片方法,修补的效果及精度良好。     

基于BP神经网络的不完全测量数据处理方法研究

由于受施工干扰或测量条件影响,致使测量数据不完全或测量数据缺失,增加数据分析难度,造成分析结果偏差。BP神经网络具有很好的非线性映射能力、自学习能力、自组织能力和自适应能力。为此,提出了运用BP神经网络算法对不完全测量数据进行处理的方法,得到正确平差结果。结果表明,BP神经网络算法无需知道系统模型,对待估计参数的先验信息要求较少,其估计结果较好地反映地表沉降规律。     

回归分析和BP神经网络在地表沉降监测中的应用

采用回归分析法中的曲线拟合法和BP神经网络模型的数值处理方法,对比两种方法在预测地表沉降中的有效性和准确性,对提高信息预测的精度和准确度有着积极的作用。     

BP神经网络在区域似大地水准面精化中的应用

研究BP神经网络算法在区域似大地水准面精化中的应用,阐述了神经网络的结构及其算法,根据焦作市D级GPS网控制点的数据,利用MATLAB进行编程计算,拟舍得到厘米级的似大地水准面模型,并得到了有益的结论。     

应用CF—BPNN模型确定GPS高程异常

介绍了确定GPS高程异常的传统方法,分析了应用CF-BPNN模型求解GPS高程异常的步骤,验证了其精度比常规方法有显著提高及其可行性。     

基于BP神经网络的GPS导航算法

GPS导航解算中常用最小二乘算法。随着高动态用户需求精度的不断提高，且由于线性化忽略高次项，初始值精度低以及差分后剩余或放大误差的存在。导航解精度很难满足高动态用户的需求。为此，本文基于BP神经网络的非线性逼近性能。给出了基于BP神经网络的GPS导航算法。实测数据计算结果表明该算法能够真实地反映载体运动轨迹，其导航解的精度和可靠性有明显的提高。     

BP神经网络用于GPS高程转换的网络配置

BP神经网络的输入与输出关系是一个高度非线性映射关系,其用于GPS高程转换中有着较高的精度。但它存在不少问题,如网络的隐含层和隐含层节点个数选取尚无理论上的指导,参加学习的样本的质量如何影响仿真精度等。本文结合实例分析了上述问题,从而得出了BP神经网络用于GPS高程转换时网络配置问题的一些相关结论。     

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。     

BP神经网络在局部似大地水准面精化的应用

针对高程拟合中的模型误差问题,采用BP神经网络方法进行拟合,可以减小模型误差,提高似大地水准面的精化精度。在焦作市局部似大地水准面精化算例中,BP神经网络高程拟合取得了良好的效果。     

Bayesian正则化BP神经网络拟合两类似大地水准面

为限制重力似大地水准面拟合到GPS/水准似大地水准面上的模型代表性误差,提出了Bayesian正则化BP神经网络拟合两类似大地水准面的新方法。利用某区域的重力似大地水准面模型和GPS/水准数据,将新方法与传统的曲面拟合法进行比较。在较大区域和两类似大地水准面差别不规则的情况下,Bayes-ian正则化BP神经网络有效地减少了拟合模型的代表性误差,而且通过Bayesian正则化算法对网络权值进行限制,抑制了过拟合现象。新方法提高了两面拟合结果的内、外符合精度。     

SAR与TM影像融合及在BP神经网络分类中的应用

以加拿大Radarsat SAR与美国Landsat TM影像为信息源,分别将SAR与TM影像的DN值转换为表征地物特征的后向散射系数和反射率,利用改进的SVR法进行融合,同时与HIS,Brovey以及小波变换的融合效果作定量比较,并利用优化的BP神经网络模型,以相同的训练区分别对融合前后的影像进行监督分类。结果表明:改进的SVR法融合影像的光谱信息保持性、信息量以及分类精度都优于常用的融合方法,且分类精度比TM影像有较大提高。     

应用BP神经网络评价大气环境质量

采用了ＢＰ神经网络对湖南省汨罗市大气环境质量进行了评价。实践表明，这种方法有其通用性和客观性。