基于BP神经网络的GPS高程模型研究与应用

摘 要:(本文原刊于《煤矿开采》2014年5月)传统的拟合模型含有模型误差,而神经网络是一种自适应的映射方法,避开了未知因素的影响,减小了模型误差,提高了GPS高程模型的转换精度,本文选用了神经网络中最常用的一种算法BP算法做了几类方案,给出了合理的建议。 毕
阅读技巧Ctrl+D 收藏本篇文章

  摘 要:(本文原刊于《煤矿开采》2014年5月)传统的拟合模型含有模型误差,而神经网络是一种自适应的映射方法,避开了未知因素的影响,减小了模型误差,提高了GPS高程模型的转换精度,本文选用了神经网络中最常用的一种算法BP算法做了几类方案,给出了合理的建议。
毕业论文网 /2/view-12001651.htm
  关键词:神经网络;GPS高程模型;训练样本
  1 引言
  BP神经网络算法是一种反向传播学习算法,把学习的结果反馈到中间层次的隐单元,改变它们的权系矩阵,从而达到预期的学习目的,它是一种自适应的映射方法,没做假设,能减少模型误差,它是迄今为止应用最广泛的神经网络。(本文原刊于《煤矿开采》2014年5月)
  2 BP神经网络算法
  BP神经网络算法包括两个方面:信号的前向传播和误差的反向传播。即计算实际输出时按从输入到输出的方向进行,而权值和阈值的修正从输出到输入的方向进行,其网络模型如图2-1所示。
  3 GPS水准精度评定标准
  ⑴ 内符合精度
  根据参与拟合计算已知点的与拟合值,用求拟合残差。按照下式求GPS水准拟合的内符合精度: 其中n为参考点的个数,t为未知数的个数。它是GPS水准的模型本身精度。
  ⑵ 外符合精度
  根据检核点的与拟合值,用求拟合残差,按照下式计算GPS水准拟合的外符合精度:,其中n为检核点的个数。外符合精度是用来评定该模型来进行GPS高程转换时所能达到的经度,是评定模型好坏的重要标准。
  4 实例应用
  本算例使用的数据是某矿区D级GPS高程控制网数据,共布设了36个GPS控制点,并实施了四等水准。采用三层式神经网络,隐含层确定由于没有固定的方法,根据经验,一般在5―7个为最好,本试验分别采用5个隐含层,6个隐含层和7个隐含层对数据进行训练,
  5 结论
  (1)BP网络法用于求高程异常是一种可行的方法,并且有较高的精度。
  (2)在同一样本集进行训练时,训练的次数越多,相应的外符合精度越高,但达到一定的训练次数时,训练的外符合精度反倒不好。
  (3)在不同样本集中,样本集越多,网络的智力越高,对工作集的拟合效果越好,外符合精度相应也越高。(本文原刊于《煤矿开采》2014年5月)
  参考文献
  [1] 孔祥元,梅是义.控制测量学[M].武汉:武汉大学出版社,2004
  [2] 闻新,周露,李翔.MATLAB神经网路仿真与应用[M].北京:科学出版社,2003.
  [3] 韩力群.人工神经网络教程[M].北京:北京邮电大学出版社2006.
  [4] 阎平凡,张长水.人工神经网络与模拟进化计算[M].北京:清华大学出版社,2005.
  [5] 匡翠林.高精度GPS水准算法研究及其应用[D].中南大学,2004
  [8] 杨永平,冯立清,兰孝奇;神经网络法在GPS高程拟合中的应用[J].三晋测绘,2004(1):11-15
  [9] 王剑,张书毕.MATLAB工具箱在测绘数据处理中的应用[J].四川测绘,2006(3):17-20
  [10] 何勇军,沈秋.土石坝渗流的自学习神经网络模型[J].水利水电技术,2002,33(2):26-29.
  作者简介
  冯树清(1969-),男,籍贯:内蒙古开鲁县人,工程师,现任中电投白音华煤电公司矿业分公司生产矿长, 1991年7月毕业于山东建筑材料工业学院工程测量专业。

转载请注明来源。原文地址:http://www.lw54.com/html/jingji/20190408/8159940.html   

基于BP神经网络的GPS高程模型研究与应用相关推荐


联系方式
微信号 byLw8com
热点论文
14705193098 工作日:8:00-24:00
周 日:9:00-24:00