基于神经网络的GPS水准方法的研究与分析

分别将BP网络和RBF神经网络应用于GPS水准高程拟合研究,在此基础上,选择某一地区的GPS水准实测数据进行了高程拟合实验,并将得到的最后精度进行了对比分析,得出基于BP神经网络模型在GPS高程异常拟合中具有较高的精度,并提出科学建议。     

基于遗传算法改进的BP神经网络模型在GPS高程拟合中的应用研究

目前,GPS被广泛应用于各工程领域,但GPS高程因与国家高程基准不同而被弃之不用。为充分挖掘GPS高程数据,本文在阐述遗传算法(Genetic Algorithm,GA)和BP神经网络(Back Propagation Network)基本理论的基础上,结合两者的优缺点,提出了基于遗传算法改进的BP神经网络模型(IGA_BP),并将该模型应用到实际GPS高程拟合算例中。结果表明,IGA_BP模型的GPS高程拟合精度明显优于传统的二次多项式和BP神经网络拟合精度,且收敛速度快,泛化能力较强,可达传统四等水准测量精度。     

最小二乘支持向量机在GPS高程拟合中的应用

本文论述了最小二乘支持向量机(LS-SVM)的算法,提出了基于最小二乘支持向量机进行GPS高程拟合的方法,并在MATLAB中编制了相应的LS-SVM程序,建立了相应的GPS高程拟合模型。以实例数据讨论了LS-SVM的GPS高程拟合的分析方法,通过与多项式拟合、BP神经网络拟合、GA-BP神经网络拟合的结果比较,可知LS-SVM的拟合精度较高。     

BP神经网络在县域GPS高程拟合中的应用

本文针对GPS大地高与水准正常高相互转换的问题,根据实测GPS、水准数据,构建BP神经网络模型拟合新化县域GPS高程异常。通过测试样本拟合高程与正常高的比较及与常用的曲面拟合法对比发现,BP神经网络模型高程拟合最大残差为5.4cm,最小为0.5cm,拟合中误差为3.2cm,均优于曲面拟合法。通过与已有的湖南省区域似大地水准面精化结果比较,BP神经网络模型在新化县域拟合精度优于省级似大地水准面精度。因此,BP神经网络模型在该县域的GPS高程拟合是可行的。根据BP神经网络模型拟合的高程异常分布发现,新化县域GPS高程异常曲面具有西南、中部、北部高、东南及中部偏北柘溪水库库区低的分布特征,其中水车镇至金凤、油溪桥至官帽及大熊山林场均为高程异常高梯度带,柘溪水库库区及东南相邻冷水江市为高程异常低梯度带,这与该地区地形成镜像关系。高程异常最大值为19.35m,最小值为18.41m,拟合区域高程异常差值0.95m。     

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。     

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。     

粒子群算法优化的BP网络在GNSS高程拟合中的应用

针对BP网络用于GNSS高程拟合存在收敛速度慢、易陷入局部最优等缺陷,采用粒子群算法(PSO)优化BP神经网络。通过合理选取网络的权值和阈值,对系统的参数进行有效优化,提高网络的泛化能力和拟合准确度。在顾及EGM2008重力场模型的基础上,采取“移去—恢复”策略,用粒子群算法优化的网络进行高程拟合,并与二次多项式曲面拟合法、多面函数法和BP网络拟合方法所得结果进行对比,经工程实例数据验证,结果表明粒子群算法优化的BP网络模型拟合精度更好,可靠性更高,拟合效果较BP网络模型提高了25%,明显优于其它拟合模型,可为高程拟合研究提供新的思路和方法。     

基于神经网络的GPS高程转换方法

本文介绍了用神经网络方法转换GPS高程为正常高 ,给出了一种BP神经网络的拓扑结构和算法 ,并与二次多项式曲面拟合方法作了比较分析。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各种大比例尺测图的精度要求 ,具有一定的实用价值     

基于神经网络的GPS高程拟合及其MATLAB实现

GPS高程转换通常采用某种函数模型进行拟合转换,函数模型难以真实模拟似大地水准面,具有较大的模型误差,造成拟合效果不佳。BP神经网络方法进行GPS高程拟合可以减少模型产生的误差。文章采用MATLAB语言实现了BP神经网络对GPS高程转换拟合并与二次曲面拟合结果进行比较,结果体现了神经网络进行高程拟合的优越性。     

基于人工鱼群神经网络的GPS高程拟合研究

应用合理的技术手段对GPS高程进行拟合对于测量工程建设具有重要的意义。针对传统BP神经网络算法存在的收敛速度慢、易陷入局部极小值等缺点,本文应用人工鱼群算法对其连接权值和阈值进行了优化,建立了一种新的GPS高程拟合模型,并结合具体的测量实例对其拟合性能进行了分析,结果表明:人工鱼群神经网络算法的内符精度与外符精度比传统BP神经网络算法精度分别提高了18.4%与12.1%,并且拟合所用的时间更短,同时在网络输入层中加入GPS高程参数也会使拟合的精度有所提高。     

高程异常曲面拟合及规则格网内插研究

介绍了部分高程异常拟合的方法,结合一个具体的实例,在2 km×2 km的小范围内采用多项式拟合的方法进行高程异常曲面的逼近,运用GPS水准获得的数据进行拟合检查,通过分析,应该采用五参数拟合的方法,并取得了3.8 cm的精度;并据此拟合多项式进行高程异常规则格网内插分析,运用MATLAB编写程序对几种插值方法进行讨论,最后得到一些实用的结论.     

基于广义EIV模型的矿区高程异常的无缝推估算法

本文基于广义EIV(Generalized Error-In-Variables, GEIV)模型，提出一种矿区高程异常拟合的无缝推估算法。该方法可以顾及观测值之间的相关性，实现求解二次多项式系数的同时并推估出未知高程异常的一步法。通过实验表明，相比较于GEIV模型和Gauss-Markov(GM)的两步法，本文提出的方法求解多项式系数的均方根误差与广义EIV模型的精度一致，且优于GM模型，推估未知高程异常的精度分别提升50%和10%。     

增城市GPS高程拟合精度研究

对GPS高程测量的原理和方法进行了初步的探讨,并结合增城市GPS高程测量的应用实际,用三次多项式曲面拟合的方法,建立了县域范围内高程异常的数学模型。并采用一元回归模型方法推估拟合模型的可靠性,最后拟合出的正常高高程满足此次数字航测精度要求,在南部平原地区拟合高程达到了四等水准精度。     

切比雪夫多项式用于GPS高程转换的精度分析

本文主要探讨切比雪夫多项式及基于EGM2008模型的移去-恢复法在GPS高程转换中的应用。利用某一测区GPS/水准数据对这些方法进行验证,并和常用的平面拟合、曲面拟合以及多面函数拟合方法进行比较与分析。计算结果表明,在面状和线状区域里,切比雪夫多项式的拟合结果比较稳定,且GPS高程转换精度较高;基于EGM2008模型的移去-恢复法能显著提高GPS高程转换精度。     

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。     

GNSS RTK高程拟合在市政路网勘察设计中的应用

分析了二次曲面和多项式曲线等高程拟合方法,并根据实际工程,采用GNSS RTK测量方法,分别从不同拟合方法和不同拟合点选取方面,对市政路网工程的应用情况和适应性进行了论述,得出了采用此两类拟合方法能满足图根级GNSS RTK高程拟合精度的结论。     

几种高程异常曲面拟合方法的应用比较

简单介绍了高程异常多项式曲面拟合方法的数学模型,以25 km2测区为实例,选取4种已知拟合点布点方案,分别采用四、五、六参数的曲面拟合法与移动曲面拟合法对高程异常进行拟合,并将拟合成果与四等水准测量成果进行比较、分析,得出一些具有实用意义的结论。     

基于BP神经网络的SWMM参数全局灵敏度分析方法

为了准确高效地分析SWMM模型参数的灵敏度,识别模型关键校准参数,提出了基于BP神经网络的参数全局灵敏度分析方法。以汇水区面积、宽度、不透水率等12个参数作为模型输入,以Nash-Sutcliffe效率系数(NSE)代表模型输出,设计了3套验证方案及其比较参考准则,对BP神经网络法与修正Morris法、线性回归法、LH-OAT法、多项式回归法等灵敏度分析方法进行了比较分析。结果表明,应用BP神经网络的连接权值作为全局灵敏度分析依据时,BP神经网络法的灵敏度分析精度优于线性回归法、LH-OAT法和多项式回归法。因此,BP神经网络法是SWMM模型参数全局灵敏度分析的一种可行方法。SWMM模型参数灵敏度分析精度与分析模型的非线性拟合程度存在密切关系,优良的非线性拟合能力是BP神经网络方法优于其他灵敏度分析方法的重要原因。通过比较不同灵敏度分析方法的效果,提出了以Morris扰动灵敏度分析结果作为真值基准、以SWMM模型几何参数作为灵敏度指示参数、以线性回归法和拟合优度作为比较基准等方法,可为灵敏度分析方法效果评价提供借鉴。基于BP神经网络的SWMM模型参数灵敏度分析方法为解决复杂模型参数"参数灵敏度分析-参数寻优"多重循环校准开拓了新路径。     

基于稳健估计的GPS高程拟合

为了研究稳健估计法在GPS高程拟合中的抗差能力,通过模拟在已知点中分别加入0．05m、0．1m、0．2m和0．3m的粗差以及在两个已知点中加入粗差,并采用二次曲面拟合法、BP神经网络模型和基于Huber法定权的稳健估计法进行对比。计算结果表明,稳健估计法应用于GPS高程拟合具有较好的抗差能力。     

高层建筑物沉降预测方法及对比分析

对高程建筑物进行沉降预测对于保证人民群众生命财产安全具有重要意义.针对广州市某高层建筑物的历史沉降数据开展试验,分别采用多项式拟合法、灰色GM(1,1)模型和BP神经网络模型等方法进行数据处理和沉降预测分析,并从算法实时性、小样本情况下的预测性能和低信噪比条件下的稳健性等3个方面对方法的适用性进行了对比分析.结果表明,...