偏最小二乘回归在GPS高程拟合中的应用

偏最小二乘回归是一种多元统计数据分析方法,它能有效克服自变量间的多重相关性问题。本文简述了偏最小二乘回归的原理、如何确定最佳成分数以及模型辅助分析。通过GPS高程拟合实例证实,偏最小二乘回归受自变量相关性影响小,拟合效果较好,计算结果稳定。     

基于神经网络的GPS高程转换应用研究

对在GPS高程转换中神经网络模型的建立及其在Matlab中的实现进行了简述,并对实测数据运用常用曲面拟合模型和神经网络模型进行拟合,从数据处理结果可以看出用BP神经网络算法对高程异常进行拟合可以取得比较满意的精度。     

区域GPS水准高程拟合方法精度分析

在介绍GPS水准几何拟合的几种方法和济南市似大地水准面精化建设项目的基础上,以某垃圾处理厂施工控制测量数据为例,对不同几何拟合方法同似大地水准面精化成果所计算的正常高进行了分析比较。根据比较结果和作者经验,分析了GPS高程拟合影响精度的原因及作业中的注意事项,并对本文实验的几种拟合方法的适用范围进行了总结。     

基于混合核函数的LSSVM在GNSS高程拟合中的应用

最小二乘支持向量机具有结构简单、计算速度快、收敛精度高等特点,能够很好地解决小样本、非线性、高维数、局部极值等实际问题,在GNSS高程拟合中具有一定的优势。本文通过构造基于径向基核和多项式核的混合核函数,引入粒子群算法对最小二乘支持向量机进行参数寻优,建立了基于混合核函数的最小二乘支持向量机高程异常拟合模型。以平原地区和山区两种典型地貌的高程数据为研究对象进行实验,并与普通核函数的最小二乘支持向量机的结果对比分析。结果表明,基于混合核函数的最小二乘支持向量机的实验效果要明显优于普通核函数的最小二乘支持向量机。     

大面积带状区域高程拟合方法研究

介绍大面积带状区域高程拟合方法研究的必要性,并列举了最小二乘支持向量机、BP神经网络、二次曲面拟合三种高程拟合方法。结合工程实例,重点对三种拟合方法在同一个大面积带状区域的高程拟合结果进行对比分析。结果表明,针对本文大面积带状区域,最小二乘支持向量机进行高程拟合获得较高的内外符合精度,该方法具有较好的可塑性和更强的泛化能力。     

加权整体最小二乘在GPS高程拟合中的应用

对于L=BX的工程问题,因为系数矩阵B和观测向量L的元素都是实测数据,并且有时候是不等精度获得的,存在或大或小的误差,因此在这些地方运用加权整体最小二乘求解是更加适用的。本文给出了加权整体最小二乘的解法,最后结合实例进行计算,得出利用加权整体最小二乘方法所得到的检核数据的残差最小的结论,验证了该理论的可行性,可以在工程应用中进行推广。     

郑州惠济区GPS水准拟合探析

GPS技术得到了广泛地应用,但是GPS测量的高程属于大地高,而我国采用的是正常高系统。因此通过数据拟合的算法得到GPS控制点的高程异常,然后将大地地高转换为正常高系统,才能在工程中使用。     

GPS曲面拟合高程与水准量高程应用的研究

在市政项目中,测量工作的精确性和高效性很大程度上决定了施工质量和施工进度.本文主要通过了解GPS曲面拟合高程和水准测量高程的工作原理,并结合在中建七局郑州南四环项目的现场实测结果,来探讨关于GPS曲面拟合高程与水准测量高程的适用条件,得出在一定的工程环境下,GPS曲面拟合高程完全可以替代水准测量高程.     

基于连续GPS跟踪站资料的SRTM高程精度评估和验证

采用南加州地区294个连续GPS观测站的高程资料,本文对该地区的SRTM高程精度进行了评估和验证。结果显示,经过大地水准面差距补偿后（GPS和SRTM分别采用参考椭球面和EGM96大地水准面作为高程基准）,SRTM和GPS高程的差异非常小,基本上在0附近波动。高程差异小于10m、20m、30m的点的比例分别达82．7％、93．9％和98．3％。差异的均值为-4．28m,差异的标准偏差为±8．63m。因此该地区的SRTM高程精度优于标称的±16m。     

GPS高程转换研究

对GPS高程转换基本原理和基本方法作了简单的论述,根据现有的GPS高程和水准高程资料,结合工程实例,对二次曲面法和多面函数法转换GPS高程进行了分析,得到了一些实际可行的结论.     

基于径向基核的多面函数在GPS高程转换中的应用

利用粒子群算法(PSO)对径向基核函数的参数进行优选,结合多面函数对某GPS控制网的高程异常资料进行拟合分析,并与二次曲面拟合的结果进行对比。结果表明优化后的径向基核函数用于多面函数可获取更为精确的高程异常。     

关于GPS高程测量精度的分析比较

通过对联测的25个四等水准的GPS点,分别用多项式拟合模型和多面函数拟合模型解算各点的正常高,与四等水准结果比较,得出一些有益的结论,对GPS的实际生产具有一定的指导意义.     

基于遗传算法的多面函数GPS高程拟合模型

针对多面函数法用于曲面拟合时存在光滑因子难以选取的问题,将核函数加权系数和光滑因子共同作为种群的一个染色体,采用遗传算法搜索最优染色体。对一组实测高程数据进行计算,计算结果表明,遗传算法可用于核函数中光滑因子的合理选取,将优化后的多面函数方法应用于高程拟合,具有较高的精度,故可应用于GPS高程拟合问题。     

遗传算法改进的BP神经网络在GPS高程拟合中的应用

针对BP神经网络收敛速度慢和易于陷入局部极小值的问题,采用将遗传算法全局寻优和BP神经网络局部寻优相结合的方法,优化神经网络各层之间的连接权和阈值,提高了BP神经网络的计算精度、收敛速度和泛化能力。本文论述了遗传算法的基本思想、实现过程,并对高程拟合算例进行训练检验,实验结果表明,遗传算法改进的BP神经网络进行GPS高程拟合是可行的,能够有效地提高BP神经网络的拟合精度。     

GPS高程异常拟合方法研究

利用GPS大地高和部分水准高程进行拟合时,高程异常拟合方法的选取在实际工作中有很重要的意义,就工作中常用的几种拟合方法进行了总结探讨,介绍了GPS拟合高程精度采用的计算方法。     

基于EKF的神经网络在GPS高程转换中的应用

GPS测量技术作为一种快速、高精度的测量手段已广泛地应用于各种建设工程中,但GPS提供的高精度的大地高,不是工程中需要的正常高,需要进行拟合转换成正常高才能应用于工程建设。基于神经网络的GPS高程转换方法能减少人为构建数学模型所导致的误差,是一种较好的方法,但也存在一些不足。将扩展Kalman滤波与神经网络结合起来,发挥两者的优势,克服不足,建立了基于EKF(扩展Kalman滤波)的神经网络GPS高程转换模型,并通过实例应用,结果表明该模型用于GPS高程转换精度有较大提高。     

GPS高程拟合模型在铁路勘测中的应用比较

介绍了GPS高程拟合速度快、作业条件简单、经济效益显著等优点,阐述了提高GPS高程拟合精度的方法,主要对铁路勘测中,二次多项式曲面拟合模型及平面拟合模型的适用性进行了探讨,以快速、准确的确定测区内的水准拟合成果。