基于BP神经网络的GPS高程转换方法

基于BP神经网络的GPS高程转换方法

论文摘要

似大地水准面是获取地理空间信息的高程基准面,如果能够建立高精度的似大地水准面模型,借助高精度的GPS测量技术,可以间接测定正常高,直接为工程应用服务,从而省去了工作量巨大的传统水准测量。同时,建立和精化地方或区域似大地水准面模型,对现今GPS定位时代建立和维护国家高程参考框架具有重要意义,也是一个国家发展测绘事业的一项大地测量基础建设。本文阐述了与区域似大地水准面精化相关的基本理论,介绍了各种精化方法的基本原理和适用条件,介绍了精化结果的精度评定方法。结合工程实例A,通过GPS水准,分别采用不同的拟合方法进行高程异常拟合,根据拟合结果,分析各种方法的优缺点。本文重点研究如何采用BP神经网络方法精化区域似大地水准面,分析BP神经网络的模型结构、参数设置以及各种参数之间的相关性问题,经过大量的试验,最终建立了一个BP神经网络优化模型。为了得到高精度的似大地水准面模型,针对区域性似大地水准面的复杂性和模糊性,本文提出了一种创新的拟合方法,即基于格网的BP神经网络方法。首先对该方法进行理论上的阐述,然后将该方法应用到具体的工程实例中,拟合效果明显优于其它拟合方法,新方法具有广阔的工程应用前景。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 区域似大地水准面精化的背景和目的
  • 1.2 国内外精化似大地水准面发展的现状
  • 1.3 本文主要研究内容
  • 第二章 精化似大地水准面的原理和方法
  • 2.1 概述
  • 2.2 似大地水准面精化的相关概念
  • 2.3 似大地水准面精化方法
  • 2.3.1 几何解析法
  • 2.3.2 重力学法
  • 2.3.3 BP 神经网络法
  • 2.4 本章小结
  • 第三章 基于BP 神经网络的GPS 高程转换的方法
  • 3.1 神经网络概述
  • 3.2 BP 神经网络原理及模型特点
  • 3.2.1 BP 网络的原理
  • 3.2.2 BP 网络的特点与不足
  • 3.2.3 BP 网络算法的改进
  • 3.3 GPS 高程转换中BP 模型的研究
  • 3.3.1 试算数据A 的概况
  • 3.3.2 GPS 高程拟合BP 网络模型研究
  • 3.4 本章小结
  • 第四章 大区域似大地水准面精化研究
  • 4.1 大区域似大地水准面精化特点
  • 4.2 试验数据B
  • 4.3 试验数据B 的试验分析
  • 4.3.1 平面拟合法
  • 4.3.2 二次曲面拟合法
  • 4.3.3 BP 神经网络拟合法
  • 4.3.4 “BP 神经网络+二次曲面模型”拟合法
  • 4.3.5 “BP 神经网络+方格网”方法
  • 4.4 本章小结
  • 第五章 结论与展望
  • 5.1 结论
  • 5.2 后续研究工作的展望
  • 参考文献
  • 致谢
  • 个人简历、在学期间发表的学术论文与研究成果
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  

    基于BP神经网络的GPS高程转换方法
    下载Doc文档

    猜你喜欢