基于神经网络的GPS高程拟合及其MATLAB实现

与常规数学模型法相比,基于BP神经网络的GPS高程异常拟合法能有效避免数学模型带来的误差,本文利用MATLAB提供的神经网络函数编程实现了GPS高程拟合,结果表明BP神经网络在GPS高程转换方面具有一定的优越性。     

基于BP神经网络的GPS高程拟合方法的探讨

为了提高GPS高程测量的精度，提出了基于BP神经网络的GPS高程拟合方法，并以2座特大桥控制网数据为例，与常规多项式曲面拟合方法进行了比较．理论和实例证明，利用BP神经网络进行GPS高程拟合是可行的。尤其是在已知点较少的情况下，该方法具有实际意义．     

基于神经网络的GPS高程拟合方法优选及精度分析

针对现有的几种神经网络GPS高程拟合方法,讨论了利用遗传算法(GA)、粒子群算法(PSO)优化BP神经网络权值和阀值的原理;结合分布较均匀、现势性较好的GPS和水准联测数据,试算了基于神经网络的GPS高程拟合。拟合结果表明:基于PSO算法优化的BP神经网络的拟合精度优于GA算法,误差相对更小。     

RBF神经网络在公路工程GPS高程转换中的应用

结合公路工程实例,通过RBF神经网络模型与二次曲面拟合、三次曲面拟合的对比分析,表明RBF网络进行GPS高程转换是可行的,且具有良好的精度.     

多面函数法在GPS高程拟合中的应用

为了改善GPS大地高向正常高转换的精度,在局部区域内,建立多面函数模型进行高程拟合,可以达到较高的精度。文中利用多面函数模型进行高程拟合,除选取分布均匀的GPS水准联测点外,还对核函数形式的选取做了详细地分析,并与高程拟合中常用的二次曲面拟合法做了对比,进行了精度分析。     

RBF神经网络在公路工程GPS高程转换中的应用

结合公路工程实例,通过RBF神经网络模型与二次曲面拟合、三次曲面拟合的对比分析,表明RBF网络进行GPS高程转换是可行的,且具有良好的精度。     

对GPS高程拟合精度的探讨

全文分析了GPS高程系统与我国现行高程系统的区别与联系;叙述了GPS高程拟合常用方法(多项式曲面拟合).对影响GPS高程拟合精度的因素进行分析,提出了提高精度的方法.     

对GPS高程拟合精度的探讨

全文分析了GPS高程系统与我国现行高程系统的区别与联系；叙述了GPS高程拟合常用方法(多项式曲面拟合)。对影响GPS高程拟合精度的因素进行分析，提出了提高精度的方法。     

铁路带状测区GPS高程转换方法的研究

研究利用GPS技术间接获取正常高，对铁路测量具有非常重要的实用意义。用BP人工神经网络，对京沪高速铁路某段实测GPS大地高程数据进行了转换计算，得到了比较高的转换精度，结果也是稳定的。经过与其它常用方法进行对比，表明利用人工神经网络进行带状测区GPS大地高到正常高的转换计算是可行的。     

高程异常拟合模型在桥梁跨河水准测量中的应用

针对桥梁高程控制网控制范围较大且需跨越江河的布设特点以及传统观测方法繁重、观测条件苛刻的现状,文章研究采用不同高程异常拟合模型来表示测区高程异常变化,进而求得跨河两岸的控制点高程;结合某大型桥梁工程实际,对比分析不同拟合模型的拟合精度,结果表明BP神经网络对高程异常点位的拟合精度较好。     

基于BP神经网络的厦门港集装箱吞吐量预测研究

厦门港是我国东南沿海的集装运输基本港口.集装箱吞吐量的预测是港口制定发展规划的重要依据.在研究了常用的输入数据归一化方法之后,提出了新的归一化方法.该方法能加快BP神经网络的训练速度并提高精度.运用BP神经网络建立了厦门港集装箱吞吐量预测模型,并计算出2020至2024的集装箱吞吐量预测值.无论从拟合值,还是预测值检验来看,该方法都具有很高精度.     

基于主成分和BP神经网络的汽车保有量预测

针对汽车保有量预测建模中输入因子过多而导致神经网络规模过大、泛化能力差的问题,通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。对此,以我国汽车保有量预测为例进行的仿真计算表明,结果令人满意,这也同时证明了该方法用于汽车保有量预测的可行性与有效性。     

基于主成分和BP神经网络的汽车保有量预测

针对汽车保有量预测建模中输入因子过多而导致神经网络规模过大、泛化能力差的问题,通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。对此,以我国汽车保有量预测为例进行的仿真计算表明,结果令人满意,这也同时证明了该方法用于汽车保有量预测的可行性与有效性。     

基于遗传算法(GA)优化BP神经网络的船舶交通流量预测

为了提高船舶交通流量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型.该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值.以青岛港2011—2019年船舶交通流量统计数据为例,进行仿真实例验证.结果表明,与传统的BP神经网络相比,该模型能显著地提高船舶交通流量的预测精度,用于预测船舶交通流量具有一定可行性.     

基于GPS浮动车的高速公路路线诱导方法研究

随着我国高速公路建设的快速发展,高速公路路线诱导可以显著提高高速公路的通行能力。根据现代智能交通运输系统的实际需求．研究基于GPS浮动车数据的采集系统,并构建基于BP神经网络算法的旅行时间预测模型,可为驾驶者提供实时的路线诱导,同时有助于驾驶员避开拥塞和提高出行质量。     

桥梁断面静力三分力系数的人工神经网络识别

通过风洞模型试验得到了足够的样本，在此基础上利用MATLAB神经网络工具箱构造了2个BP人工神经网络；采用BR(Bayesian regularization)算法，比较了不同坐标系下的静力三分力系数的训练结果，得出4层网络比较有效且具有较高精度的结论．最后，提出了应用人工神经网络需要注意的问题。     

基于神经网络方法的柴油机气缸压力识别

分析了柴油机气缸盖系统激励和响应信号的非线性特性,阐述了基于BP神经网络的柴油机气缸压力识别方法.对测试的振动响应信号进行时域统计平均和低通滤波后,训练BP神经网络,利用自适应梯度下降算法,自适应调节学习速率,提高网络精度,识别柴油机气缸压力.结果表明,恢复出来的缸内压力信号和实测信号十分接近,该方法对柴油机的实时在线控制、监测和故障诊断有重要的应用价值.