一种GPS高程转换的方法——游动平均加权法

文中引入了加权游动平均原理,通过距离定权,进行GPS高程转换,提出了一种GPS高程转换的方法,游动平均加权法,简称WMM算法。据实验计算结果,这种算法在精度方面有很大的改善,实验取得了良好的结果。     

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。     

基于高斯过程的GPS高程转换模型

针对GPS高程转换的小样本、非线性特点,基于高斯过程算法提出了具有概率意义的GPS高程转换模型。利用高斯过程采用4种不同建模方案建立了GPS高程转换模型,并与平面拟合、二次曲面拟合、支持向量机方法进行了精度对比。同时构建了基于高斯过程的GPS高程转换结果置信区间估计方法,分析了结果的可靠性。实例分析证实,高斯过程方法针对4种方案均获得很高精度,并且精度指标优于其余3种方法;各GPS点的实测正常高均在置信区间内,证实高斯过程方法具有很好的可靠性。     

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。     

径向基神经网络在GPS高程转换中的应用

介绍了RBF神经网络的基本原理,采用了RBF网络算法,实现了GPS高程转换.     

基于改进BP学习算法的GPS高程转换

在应用BP神经网络转换GPS高程中,针对标准BP算法的不足,给出改进的学习算法,通过应用不同BP学习算法来转换GPS高程的实例分析比较,得出改进的BP算法在转换GPS高程中可以大大减少BP神经网络的训练时间,提高高程转换的效率.     

改进BP神经网络算法用于GPS高程转换的应用

介绍了用改进的BP神经网络算法转换GPS高程为正常高,并以青东煤矿首采工作面地表移动观测站的GPS数据为例,与标准的BP算法和多项式曲面拟合方法作比较,改进的BP算法在转换GPS高程中减少了BP神经网络的训练时间,提高了转换效率,且精度良好,可用于GPS高程转换。     

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。     

基于Matlab的二次曲面法GPS高程拟合研究

主要介绍了采用二次曲面法进行GPS高程拟合的基本原理,并以内蒙古某矿区的实测数据为例,给出了具体的算法,利用Matlab加以实现。计算结果表明,Matlab进行GPS高程拟合精度可靠,计算便捷,具有良好的适用性。     

GPS高程转换中BP神经网络的优化探讨

分析了传统BP算法的不足,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的神经元的基础上,实现了GPS高程转换的BP模型优化.