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.     

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。     

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.     

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.     

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.     

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。     

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。     

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。     

基于极限学习机的公交行程时间预测方法

以公交车GPS数据为基础,建立了基于极限学习机方法的公交站点间行程时间预测模型.依据GPS数据在站点附近的特征表现,定义了公交车到站临界点,并分析了临界点处车辆的5种运行状态;提出了公交车到站时刻估算方法,进而得到公交车行程时间数据;通过分析公交车行程时间数据内在特征,确定了极限学习机模型关键参数及其纬度;最后,以长春市88路公交车GPS数据为基础进行了方法验证.结果表明,所用ELM方法预测误差约为11%,并与应用广泛的BP神经网络、RBF神经网络、SVM进行对比分析,发现ELM方法在满足精度前提下拥有更快训练速度与预测可靠性.     

高山区GPS网正常高求解方法研究

导出了计算地形起伏引起的高程异常的实用公式，该公式特别适用于地形复杂地区，能避免中央区域的积分奇异。在此基础上建立了顾及地形影响的ＧＰＳ正常高求解的数学模型。文中讨论了两种ＧＰＳ正常高求解的方法，并通过实际工程算例验证了本文所述方法的实用性和有效性。     

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。     

基于人工神经网络的路面模量反算

根据三层 BP神经网络模型和弹性层状体系理论 ,结合 JILS FWD研究了层状体系路面的模量反算。通过理论和实测弯沉盆的反算 ,比较了精确网络与噪音网络的反算能力 ,从而提出了人工神经网络实现模量反算的关键技术。噪音网络与国内外常用反算程序的比较结果表明 ,神经网络法的反算结果具有良好的精度和可靠性     

理想薄平板气动导数的人工神经网络识别

介绍一种用BP人工神经网络方法识别理想薄平板的气动导数的方法．通过构造BP网络，比较各种因素对识别结果的影响．数据处理方式对神经网络的训练结果影响很大．隐层单元数量、训练次数、随机赋值次数、样本数量等对训练结果也有影响，但影响较小．采用这种方法识别理想薄平板的气动导数是可行的，并且具有较高的精度．     

道路交通安全综合评价的人工神经网络方法

为了提高评价的准确性,采用人工神经网络技术,建立了基于BP神经网络的道路交通安全综合评价模型.通过有效样本的学习,应用该模型,实现了对道路交通安全专家知识和经验的提取和存储.仿真实例验证了基于人工神经网络的道路交通安全综合评价模型的合理性和有效性.