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。     

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。     

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.     

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.     

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。