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。     

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．     

基于贝叶斯正则化 BP 神经网络的 GPS 高程转换

为了改善BP神经网络在GPS高程转换过程中过拟合的现象,提出了用贝叶斯正则化算法的BP神经网络转换GPS高程的新方法,并利用区域GPS/水准数据,将新方法和未采用正则化算法的BP神经网络进行GPS高程转换的比较.结果表明:在较大区域和高程异常呈不规则的情况下,新方法不仅可以有效提高GPS高程转换的精度,而且通过贝叶斯正则化算法可以改善网络结构,抑制过拟合现象.在约10 km的GPS基线尺度上,新方法可以得到精度达0.050 m的正常高.     

加权平均法在杭州湾大桥优先墩承台测量中的应用

GPS相对定位得到的三维基线向量,通过GPS网平差,虽然可以得到高精度的大地高程,但根据数学模型拟合法将大地高程转化为工程所需要的正常高时精度较低,数学模型拟合法有很多种,加权平均法由内插点(即待定点)周围部分已知点高程异常通过加权平均求得该点的高程异常,作为一种补充或校核手段,为提高测控精度提供保障。     

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。     

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。     

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.     

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。     

基于EGM96模型的山区公路GPS高程拟合

阐述基于EGM96模型的山区公路GPS高程拟合方法,结合工程实例将其与常规拟合的结果进行对比分析,对山区公路GPS高程测量进行了探讨。     

GPS水准数据处理问题研究

将GPS水准纳入到GPS定位与数据处理这个框架内进行研究分析,论述了高程拟合的具体方法和每种方法适用的范围,研究选用不同情况的已知点对最后拟合结果的影响.通过对每种方法解算的结果进行对比,得出关于高程拟合的几点结论.     

基于BP神经网络的某型发动机万有特性实验数据拟合

介绍了BP神经网络的基本原理,借助Matlab软件的BP神经网络工具箱函数,通过建立相应的BP网络模型,对某型发动机的万有特性实验数据进行拟合,并将拟合结果与实测值进行比较。研究表明,采用BP神经网络拟合发动机万有特性数据,能取得较高的精度。     

浅谈GPS高程拟合技术

介绍了GPS技术在高程拟合方面的应用.     

基于最小二乘配置法的GPS高程转换

局部地区GPS高程拟合已成为理论研究的热点.在不考虑重力场模型的情况下,使用各种数学方法,由已知点的高程异常内插未知点的高程异常,是实践中使用较多的方法.但一般的拟合方法都是只考虑高程异常变化的趋势性或随机性,而没有将二者结合起来.最小二乘配置理论将局部地区的高程异常分为趋势和随机两部分,趋势性是所有点共同的变化,随机部分用于推估未知点的随机量,并对趋势性进行最小二乘平差.故而这种方法在理论上更加完善.本文根据某矿区81个已知数据点进行了计算实验,并与曲面拟合法、多面函数法和加权平均法的计算结果进行了比较.     

基于BP神经网络的南宁市公路货运量预测

为提高公路货运量预测的准确性,依据南宁市历史年份的公路货运量数据建立公路货运量的BP神经网络预测模型。将模型在MATLAB软件环境下进行编码并运算,通过对数据的反复训练和学习最终得到预测值。经过实例分析证明基于BP神经网络的货运量预测模型的有效性。为证明不同方法间的差异性,利用趋势外推法、三次指数平滑法、灰色预测法以及指数回归法对南宁市公路货运量进行了预测。通过对比分析,得到不同方法的相对误差。可以看出,基于BP神经网络的货运量预测模型较传统预测方法有较大的优越性,BP神经网络模型能够揭示货运量的非线性变化关系,准确地拟合原始数据。     

山区测区GPS点的高程异常推估方法研究

用GPS测量技术能否直接建立山区测区的高程控制，关键在于能否精确获得各GPS点的高程异常，本文介绍了利用GPS水准观测资料，采用最小二乘配置法，推估山区测区各GPS点的高程异常的理论与方法。     

BP神经网络在新疆货运量预测中的应用

在分析货运量影响因素的基础上,利用BP神经网络建立新疆货运量时间序列预测网络结构模型.利用1995～2006年新疆货运量历史数据,对模型进行训练和拟合,再选用2007 ～2008年的历史数据作为网络模型检验样本,同时采用移动平均法、指数平滑法对新疆货运量进行预测,并对预测结果作对比分析.研究表明,采用BP神经网络预测新...     

基于BP神经网络拟合的二次相关时延估计

在TDOA无源时差定位中,外界噪声对定位时延估值精度的影响很大.二次相关时延估计算法虽然具有良好的抗噪能力,但随着信噪比的降低,抗噪性也会下降.将BP神经网络引入二次相关时延估计,基于BP神经网络拟合二次相关时域函数曲线,以提升二次相关时延估计的准确度.仿真结果表明,基于BP神经网络拟合的二次相关时延估计算法在低信噪比条件下具有较高的时延估值精度.     

GPS控制网的建立及精度分析研究

以GPS测量控制网作为首级控制网,对网内各点进行GPS测量,并对各点坐标(平面)进行有关转换,解算出各点平面坐标(城市坐标系),对测量数据精度进行分析;进行GPS测量替代水准测量试验,分析GPS高程拟合精度,从而验正基于GPS技术建立城市首级测量控制网的可行性。