GPS高程测量与转换方法的研究

论文摘要

本文在阐述高程系统和GPS高程测量原理的基础上,首先分析并总结了影响GPS测高的各种因素及GPS大地高的测定精度;其次对现有的GPS高程转换方法进行了全面分析,结合工程算例,深入探讨了各种拟合模型的适合范围及精度情况;同时针对GPS高程测量中几何方法转换的不足,本文研究了基于人工神经元网络转换GPS高程的新方法,通过实例分析证明了该方法转换GPS高程的可行性与可靠性,对神经网络模型转换GPS高程的BP网络结构中隐层单元数量的确定、隐含层数的确定、学习速率的选择、初始权值的选择、训练样本对网络泛化能力的影响等问题进行了较为深入的探讨。为避免应用单一模型进行高程拟合方法的局限性,在吸收和学习已有研究成果的基础上,将不同的拟合模型进行迭加,提高高程异常的逼近精度和可靠性。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 GPS技术的发展与应用
• 1.2 GPS高程测量与转换方法的发展现状
• 1.3 本文主要研究内容及特色
• 2 GPS高程测量的基本原理
• 2.1 GPS简介
• 2.1.1 GPS概况
• 2.1.2 GPS定位原理
• 2.2 高程系统
• 2.2.1 水准面、大地水准面、似大地水准面
• 2.2.2 高程系统
• 2.3 GPS高程测量
• 2.3.1 GPS高程测量概述
• 2.3.2 影响GPS测高的各种因素
• 2.3.3 GPS高程转换方法
• 2.3.4 现有GPS高程转换方法存在的问题
• 2.4 本章小结
• 3 GPS水准高程拟合模型
• 3.1 GPS水准高程拟合模型分析
• 3.1.1 等直线图法
• 3.1.2 解析内插法
• 3.1.3 曲面拟合法
• 3.1.4 加权平均拟合法
• 3.1.5 地形改正法
• 3.2 模型精度评定
• 3.3 模型实践与探讨
• 3.4 模型适用性分析
• 3.5 本章小结
• 4 基于BP神经网络的GPS高程转换方法
• 4.1 神经网络的基本原理
• 4.2 BP（Back-Propagation）神经网络
• 4.2.1 引言
• 4.2.2 BP神经网络模型
• 4.2.3 BP网络应用设计
• 4.3 GPS高程拟合的BP网络结构分析
• 4.3.1 网络的拓扑结构
• 4.3.2 计算过程
• 4.4 BP网络高程拟合应用实例
• 4.4.1 工程概况
• 4.4.2 网络结构试验
• 4.4.3 与其它方法的比较
• 4.5 本章小结
• 5 GPS高程迭加拟合模型的研究
• 5.1 概述
• 5.2 GPS高程迭加拟合模型
• 5.2.1 基于神经网络的混合模型
• 5.2.2 多项式曲面拟合的加权平均模型
• 5.3 本章小结
• 6 结论与展望
• 6.1 总结
• 6.2 尚待研究的问题
• 致谢
• 参考文献
• 附录