一种基于软件网络的重要服务发现方法

与已有的侧重于服务内容的方法不同,本文根据服务组合的历史记录,提出了一种依据服务间依赖关系发现重要服务,以及其他可与之进行组合的服务的方法。在对ProgrammableWeb真实数据的实验结果表明,发现的重要Web API在Mashup中出现率达95%,且在分析给定Web API集的可组合性方面,成功率高达98%。     

执行2009版《全球定位系统(GPS)测量规范》若干问题的研究

结合技术人员在执行《全球定位系统(GPS)测量规范》(GB/T18314—2009)时的不同理解和认识,通过对基线测量中误差、环闭合差、相邻点基线分量中误差和GPS网平差技术指标等的计算与实现,进行了理论分析和实践探讨,得出规范可以得到较好执行的结论。     

顾及多要素影响的路网匹配改进算法

针对导航地图中现有的匹配算法在复杂路段的匹配效果一般较差的问题,本文提出一种改进的匹配算法。首先,引入分块思想,提出将路网中的每个路段按规则分为简单路段块和复杂路段块,不同路段块采取不同的匹配算法;其次,充分利用车辆行驶的连续性,综合考虑了车辆行驶方向、车速与交叉口距离等多种因素对匹配结果的影响,在选取正确的匹配路段时合理利用了历史数据信息。实验表明,该算法不但对能够改善复杂路段的匹配效果,而且还能够对匹配点沿路段方向上的误差进行实时校正。     

边角后方交会在高铁板式无碴轨道放样中的应用

智能型全站仪结合边角后方交会原理在高速铁路测量工作中得到广泛应用,其在CPⅢ高精度铺轨控制网的基础上进行自由重叠设站的精度能满足高铁测量的精度要求。在板式无碴轨道底板放样和轨道板安装时,可以根据仪器误差参数计算得出每个测站进行放样时误差不超限的最远放样距离,供测量人员参考。     

大型高精度GNSS基线向量网并行抗差估计

针对大型GNSS基线向量网的特点,在改进的相关观测抗差估计RECO方案的基础上采用并行计算技术进行相关抗差估计的并行计算(简称"并行抗差估计"),并给出了可行的解算步骤。通过算例分析,验证了大型GNSS基线向量网的并行相关抗差估计,不仅有效抑制了观测异常对参数估值的影响,而且显著提高了计算效率。     

采用弱基准和抗差估计的重力网平差

以沿海某测区绝对重力和相对重力网数据处理为例,详细描述了弱基准重力网平差的方法,绝对重力和相对重力先验权的确定,用抗差等价权来调整相对重力的权、重力仪参数的取舍。结果表明,弱基准能有效地提高整网的精度;抗差估计能有效地探测并降低异常数据的权。重力点平均中误差为13.6×10-8 ms-2,偶然误差检验符合正态分布。     

高轨卫星轨道预报中神经网络模型优化设计

高轨卫星是我国卫星导航系统的重要组成部分。提升该类卫星的轨道预报精度有利于用户定位精度的提高。提出了一种改进高轨卫星轨道预报精度的新方法。该方法避开了精化动力学模型的困难,尝试从轨道预报误差的规律中寻找突破。利用神经网络作为建立预报模型的工具,将某历史时刻的轨道预报误差作为训练样本,利用训练好的神经网络模型补偿当前时刻的预报轨道以提高轨道预报精度。对影响神经网络模型补偿效果的各因素进行了详细分析,制定了适应于高轨卫星短期、中期和长期预报的神经网络最优模型。利用实测数据进行了试验分析,结果表明:预报8,15及30 d应选择的训练步长分别为10,20及25 min;轨道预报8~30 d时,训练噪声均选取0.01。神经网络模型有效地改进了高轨卫星的轨道预报精度,预报4~30 d,轨道精度提高幅度为34.67%~82.37%不等。     

基于小波分析的灰色-神经网络组合模型在大坝变形预测中的应用

监测序列经小波分解后可以得到各层分量。对低频分量采用灰色GM(1,1)模型进行建模预测,对高频分量采用BP神经网络进行建模预测,最后将各分量进行小波重构,得到监测序列的预测值。将预测值分别与没有进行小波分解直接用GM(1,1)模型预测的值和经小波分解的低、高频系数都采用GM(1,1)模型预测的值进行对比,发现经小波分解的灰色-神经网络组合模型预测精度更高。     

一种用于长距离网络RTK基准站模糊度固定的非组合方法

基准站模糊度固定是网络RTK系统初始化的前提条件。文中使用非组合方法来固定基准站间模糊度。该方法相对于传统组合方法而言具有以下3个优点:1)基于非组合观测值,避免了观测噪声的放大;2)将L2模糊度变换为L1与宽巷模糊度WL(Wide-Lane)模糊度的差值,同步求解WL和L1模糊度浮点解,简化了计算过程;3)WL模糊度由平差得到,部分模糊度固定后,加快了其他WL模糊度的固定速度。实验结果表明,非组合方法相对于传统方法而言,WL模糊度固定速度提高了24.5%;L1模糊度固定正确率提高了7.9%。可以认为,在网络RTK初始化方面,非组合方法要优于传统方法。     

矢量河网渐进式传输的多尺度表达模型

矢量河网数据渐进式传输是制图综合的逆过程,从几何特征出发化简曲线的方法忽略了曲线的形态特征。鉴于此,以曲线轴线为基准,基于曲线弯曲层次化提取河流曲线数据,并将提取的曲线数据分层组织,构建结合目标层和几何细节层的河网多尺度表达模型。基于该模型开发了矢量河网数据的渐进式传输系统,验证了该方法的有效性。