基于神经网络的机载激光测深偏差模型构建

为提高机载激光测深（airborne LiDAR bathymetry,ALB）精度,需对ALB原始测深偏差进行修正。通过顾及ALB测深偏差诸影响参数,基于神经网络方法,利用实测样本数据训练获得ALB神经网络偏差模型,然后基于神经网络偏差模型对ALB原始测深数据进行修正。结果表明ALB原始测深偏差较大,需进行修正。传统线性偏差模型和本文神经网络模型均能有效修正ALB测深偏差。相比线性偏差模型,神经网络偏差模型具有更高内符合和外符合精度。基于神经网络的ALB偏差建模方法能有效提高ALB测深精度。     

一种改进的机载激光测深深度偏差模型

机载激光测深在潮间带获取海底地形应用中具有高效、灵活、经济等优点,但测深精度受海洋水文参数和仪器测量参数影响严重,传统偏差模型因顾及的要素不全面,修正精度不高。因此,采用逐步回归法构建了一种改进的顾及水深、水体含沙量、波束扫描角和传感器高度等参数的深度偏差修正模型。实验结果表明,机载激光测深原始水深经传统偏差模型和改进偏差模型修正后均能满足国际海道测量组织（International Hydrographic Organization,IHO）一等测深标准,且改进模型修正精度优于传统模型修正精度。