基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题，给出了基于径向基函数（Radial Basis Function，RBF）神经网络的模型。该模型隐含层选用Gauss函数作为基函数，学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真，结果表明，用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播（Back-Propagation，BP）神经网络方法转换GPS高程的精度进行了比较，虽然两种方法的结果相近，但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见，RBF神经网络方法用于转换GPS高程是可行和有效的。     

GPS在公路隧道平面控制测量中的应用

简述GPS用于公路隧道平面控制测量的特点,运用GPS技术应考虑的问题及解决方案,以重庆通渝公路隧道为依托,对GPS用于公路隧道平面控制测量的可靠性进行论述。     

船舶机损事故人误原因因素的层次分析法

基于认知系统工程分类方法，应用层次分析法构建了船舶机损事故人误原因因素结构模型，将成对比较矩阵的特征向量作为因素的权重，确定相关因素的影响力排序。给出了一种识别船舶机损事故中人误原因主要影响因素的实用方法，并针对性地提出相应预防措施，减少船舶机损事故提供可靠的理论依据。     

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。     

GPS在航道整治工程中水下钻孔定位的优势

航道整治工程水下炸礁施工使用GPS定位（放样），比常规测量仪器定位（放样）具有定位准确、简便、减少施工辅助时间，设计钻孔位置与实际钻孔定位误差小的优势，     

关于剩余格的正则滤子

基于一般的剩余格,引进了正则滤子的概念,给出了正则滤子的一些特征刻画,并且建立了正则滤子与其它一些特殊滤子(G-滤子、MV-滤子、Boolean滤子)之间的内在联系.证明了一个剩余格为正则剩余格当且仅当它的每个MP滤子是正则滤子.     

基于PWM整流器的交流调速系统的仿真

将PWM整流技术引入交流调速系统。在PWM整流侧采用直接功率控制技术，实现交流侧的高功率因数；电机控制采用矢量控制技术，实现电机调速的高性能。通过Matlab／Simulink仿真，可以验证这种调速策略可以实现整个系统的功率因数接近于1，减少对电网的污染，并且可以保证电机有着优良的调速性能。     

EVS耦合地层-岩性三维地质建模方法在南宁地铁工程中的应用

为解决地质建模软件Earth Volumetric Studio（EVS）存在的地层建模方法无法对钻孔揭露地层比较复杂的情形进行层序划分，岩性建模方法无法生成连续光滑的层间界面等问题，以南宁市轨道交通3号线青秀山站至博艺路站区间段为研究对象，提出一种同时具有表达复杂透镜体和清晰的地质层面能力的EVS地层-岩性建模方法。通过工程实例将该方法分别与地层建模和岩性建模方法进行对比分析和交叉验证计算，结果表明采用地层-岩性建模方法建立的模型比单独使用地层模型和岩性模型更能反映实际的地质情况，且模型具有更高的精度，模型的相对误差和均方根误差较地层建模方法明显降低。     

A Trip Reconstruction Tool for GPS-based Personal Travel Surveys

ABSTRACT

This article reports on the development of a trip reconstruction software tool for use in GPS-based personal travel surveys. Specifically, the tool enables the automatic processing of GPS traces of individual survey respondents in order to identify the road links traveled and modes used by each respondent for individual trips. Identifying the links is based on a conventional GIS-based map-matching algorithm and identifying the modes is a rule-based algorithm using attributes of four modes (walk, bicycle, bus and passenger-car). The tool was evaluated using GPS travel data collected for the study and a multi-modal transportation network model of downtown Toronto. The results show that the tool correctly detected about 79% of all links traveled and 92% of all trip modes.