模糊神经网络在GPS高程转换中的应用

介绍了模糊神经网络基本原理和GPS高程转换方法,采用模糊神经网络算法,实现了GPS高程转换.在用模糊神经网络进行GPS高程转换时,输入变量模糊分割数对计算结果的精度起着关键作用,模糊分割数过少,计算精度较低,过多,模糊规则数会急剧增加,计算精度不一定高,同时又会影响系统计算速度.为了进一步提高GPS高程转换的精度,模糊神经网络模型参数的选择以及网络结构的确定等问题,都需要进一步的研究和实践.     

基于改进BP学习算法的GPS高程转换

针对标准BP算法在GPS转换中的不足,给出改进的BP学习算法,通过对工程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.     

基于Matlab GUI的GPS高程转换系统的设计与实现

为了在实际工程应用中实现GPS高程与水准高程的快速高精度转换,利用Matlab GUI提供的友好界面设计方法,设计实现工程应用的GPS高程与水准高程转换的简单系统.在高程系统中主要介绍采用函数模型进行拟合计算高程异常值的方法.系统的实现既满足高程精度要求,也极大地减少水准测量的工作量.     

基于遗传神经网络的GPS高程转换方法

将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。     

地球重力场模型在高程控制网中的应用

不同地球重力场模型的优选及不同拟合方法的合理选择是GPS高程转换所需考虑的关键问题。随着以卫星重力梯度为主要观测值的GOCE重力卫星的发射成功及其相关重力场模型的推出,地球重力场模型的精度及分辨率有了较大提高,有必要将其应用于GPS高程转换的研究。本文提出了用目前具有较高精度的SGG地球重力场模型来代替以往较低精度地球重力场模型的策略,计算分析了这种模型解算全球高程异常的精度,并将这种模型应用于”移去一拟合一恢复”法的GPS高程转换中,使GPS提供真正意义上的三维坐标。     

模型拟合法进行GPS高程转换的研究及软件开发

给出了模型拟合法进行GPS高程转换的数学模型以及顾及地球重力场模型影响的移去-恢复法在GPS高程转换中的应用,并结合实际指出了GPS高程转换中所应当注意的问题.利用Visual C++6.0开发了一套比较实用的GPS高程转换软件包GPSH(global positioning system height transformation),该软件可利用水准高程和水准高差观测值进行GPS高程转换,并给出了软件的整体框架和主要功能.最后利用该软件处理了某一线路的GPS水准测量数据,获得了比较满意的结果.     

距离加权算法在大地水准面差距内插中的应用

当GPS(Global Positioning System)高程不能用于工程目的时,需要进行高程转换。研究了用于将GPS高程转换为正高的一种简单算法———基于示例的学习方法。结果表明,该法能够给出优于30mm的高程转换精度,但距离的较高次方也会降低算法的质量。此外,提出了改进算法的一些建议。     

基于BP神经网络的厦门集美大桥高程传递的设计与实现

针对厦门集美大桥建设过程中的高程传递问题,提出了基于BP神经网络的方法,并构建了沿桥梁径向布设的GPS水准网,通过BP神经网络的设计与解算,得到了较好的结果.     

水利水电工程区域GPS高程转换模型研究

将相对于参考椭球面的GPS大地高改算为工程应用的相对于似大地水准面的正常高,必须进行GPS高程转换.本文介绍了几种传统的转换方法,重点讨论了GPS高程转换的神经网络方法.两个实例表明,神经网络模型的内部符合精度和外部符合精度略高于二次多项式曲面拟合.特别是在参与建模的控制点数目较多时,神经网络模型更加优于二次多项式曲面...     

基于Matlab的数据处理方法在GPS高程拟合中的应用

在分析GPS高程异常拟合模型实质的基础上,结合工程实例,顾及地球重力场的空间连续性特点,运用Matlab中的拟合插值函数Griddata等进行高程异常数据处理,并与常规采用的平面及二次曲面拟合成果进行比较．计算表明,将Matlab的数值计算及图形处理能力运用于区域GPS高程异常拟合,相对传统拟合方法,数据处理方式简洁,计算工作量少,成果精度可靠,并能立体表现高程异常的空间分布特征．     

基于Matlab的BP神经网络在大坝观测数据处理中的应用

建立大坝观测数据处理的BP人工神经网络模型,用正交变换法来初步优化设计大坝变形分析的模型结构.运用Matlab工具箱函数建立网络模型,选择合适的训练函数,并采用正则化的算法以缩小网络的规模,改进BP算法提高学习速度和算法的可靠性.实例表明,基于Matlab的神经网络优化设计能比较有效地避免BP网络的固有缺陷,在精度和训练速度上得到提高.     

MATLAB神经网络工具箱在故障诊断中的应用

阐述了基于Levenberg-Marquardt算法训练BP网络的原理及其结构，借助于MATLAB 6.x中Neural Network人工神经网络工具箱对旋转机械的故障诊断进行了研究，试验表明利用MATLAB将神经网络引入旋转设备故障诊断，诊断快速，结果精确，并且灵活性强，能够满足工程技术人员的需要．并在此基础上开发了旋转机械诊断系统。     

基于BP神经网络的时延水温控制系统设计

神经网络具有自组织、自学习、自适应的特点,近年来随着计算机技术的发展,为其网络优异的函数逼近性能和分类性能应用于工程提供了硬件基础,神经网络由于其大多结构简单,算法易于理解和使用,有利于工程人员应用解决实际问题。本文介绍了BP神经网络在时延控制对象中的建模,建立了一个基于BP神经网络的预测模型,在Matlab中对几种使用神经网络模型的控制方案进行了研究和比较。     

结构可靠度分析的人工智能响应面法及程序

为了进行各种极限状态方程不明确的大型结构可靠度分析,提出了人工智能响应面法.利用BP网络来模拟响应面,基于遗传算法的优化法来进行可靠指标计算,确定性有限元分析采用ANSYS软件进行.综合VC与Matlab混合编程技术、基于VC和APDL的ANSYS二次开发技术及M atlab的遗传算法(GA)和神经网络(NN)工具箱函数,编制了可以适应各种复杂工程结构的可靠度分析程序.算例分析表明本文方法计算精度高.本文方法与程序适用于随机变量数目较多,功能函数为隐式时的复杂结构可靠度分析.     

人工神经网络在双向板弹性内力计算中的应用

将人工神经网络技术应用于结构内力分析，介绍了前馈型BP神经网络的模型及其算法，在分析双向板弹性内力时，建立了一个三层的BP网络，将该网络进行训练后计算四边简支双向板跨中弹性最大弯矩，在分析时，为了增强网络的推广能力，还以权值的修正量作为参考的收敛标准，同时，为了加快学习速率而不导致振荡，还采用了增加动量系数的方法来修改反传中的学习速率，BP网络的分析程序采用Matlab编制，计算结果表明人工神经网络在结构分析中具有良好的适用性。     

磨擦系统神经网络模型自学习训练优化方法

建立了45钢／黄铜磨擦副系统的BP神经网络模型,并用三种算法对神经网络进行学习训练,结果表明：L－M算法可使网络收敛快,误差小,整个神经网络的建立使用Matlab神经网络工具箱中的工具函数,使编程工作量大大减少,设计过程简化,使神经网络可为广大的工程设计人员所掌握应用。     

基于工艺流程的零件成组方法及其实现

提出了基于遗传算法和BP网络的零件成组方法.首先,建立零件聚类的数学模型,给出了一种基于遗传算法的求解方法,使用整数编码构造的染色体和合适的遗传算子来满足聚类模型复杂约束的要求,并利用VC编程实现该算法.其次,将一批已聚类成组的零件作为训练样本,利用Matlab中神经网络的工具箱对BP网络进行训练,通过训练后的网络对新的零件进行仿真,从而实现新零件的匹配.最后通过实例证实了该方法的可行性和优越性.     

基于LVQ神经网络算法的脱机手写数字识别研究

针对BP神经网络进行脱机手写数字识别所存在的问题,提出用自组织竞争神经网络（LVQ）对脱机手写数字识别的方法.介绍了LVQ神经网络算法,并构建了LVQ神经网络的识别模型,用Matlab软件进行了仿真.将获得的仿真结果数据与BP神经网络的测试结果进行对比分析,发现LVQ神经网络对脱机手写数字的识别率明显高于BP神经网络,且收敛速度更快.该方法在脱机手写数字识别领域具有一定的可行性与指导性.