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。     

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.     

转换GPS高程的神经网络模型试验研究

简要介绍了神经网络BP算法的基本结构和数学公式，并提出了转换GPS高程的神经网络模型-经改进五层BP网络结构。通过某工程实例，对五层BP网络结构的具体模型结构（如输入输出层设计，隐含层最佳节点数的选取等）进行了一些试验研究，得到了一些有工程实用价值的结论。     

关于BP神经网络转换GPS高程的若干问题

BP神经网络用于GPS高程转换有着较高的精度,但也存在不少问题,如网络的隐含层和隐含层单元个数选取、参加学习的样本的质量如何影响仿真精度等。结合实例分析上述问题,得出一些结论。     

转换GPS高程的遗传神经网络方法

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息。把遗传算法和神经网络智能技术相结合,利用神经网络作为模型,以遗传算法作为权值进化算法进行GPS高程转换,提出了该算法的基本思想和算法实现过程。并通过实例进行计算,结果表明该算法用于GPS高程转换具有较好的精度,具有一定的实用价值。     

转换GPS高程的遗传神经网络方法

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息.把遗传算法和神经网络智能技术相结合,利用神经网络作为模型,以遗传算法作为权值进化算法进行GPS高程转换,提出了该算法的基本思想和算法实现过程.并通过实例进行计算,结果表明该算法用于GPS高程转换具有较好的精度,具有一定的实用价值.     

BP神经网络在GPS高程转换中的应用

探讨BP神经网络的方法对GPS高程转换,设计了基于BP神经网络的GPS高程转换模型,在调整网络的激励函数、网络的输入层和隐含层神经元的基础上,实现了GPS高程转换的BP模型优化。     

关于BP神经网络转换GPS高程的若干问题

人工神经网络应用于GPS高程转换，目前仍存在许多问题有待进一步的研究。本文就应用BP神经网络模型转换GPS高程中的隐含层数确定、隐含层节点数的确定、网络训练次数、学习速率选择、初始权值等问题进行较深入分析研究，得到一些有益的结论。     

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。     

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。     

用神经网络方法转换GPS高程

本文提出用神经网络方法转换ＧＰＳ高程为正高或正常高,给出一种改进了的ＢＰ神经网络拓扑结构和算法,并用ＧＰＳ的实际定位资料构成４３个样本集作了在计算分析,估算的精度达到厘米级、最后用网络方法与二次多项式曲面拟合大地水准面转换ＧＰＳ高程的方法作了比较,神经网络方法的精度优于二次多项式曲面拟合法,而且精度比较稳定,对已知样本点的数量要求较少。     

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。     

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。     

模糊神经网络在GPS高程转换中的应用

介绍了T-S模糊神经网络的基本原理以及如何确定GPS高程转换的模糊神经网络模型,并采用该模型对实测数据进行了计算分析。结果表明,模糊神经网络能够对小区域GPS高程做出比较准确定的拟合,从而能够为GPS高程转换提供一种较好的方法,能够满足实际工程需要。     

神经网络在GPS高程拟合中的应用

由于神经网络具有较好的自组织、自适应的特点,从而被广泛应用于GPS高程拟合等领域中。采用前馈型神经网络newff（）和反馈型神经网络newelm（）两种模型,在Matlab语言环境下实现GPS高程拟合,并与二次曲面拟合的结果进行比较。     

神经网络在GPS高程拟合中的应用

在对人工神经网络的基本原理、神经元模型和网络结构、数据结构、训练方式等研究的基础上,与GPS高程理论相结合,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。