本文關鍵詞：基于穩(wěn)健估計的神經網絡高程擬合模型的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：大地水準面的精化與高程轉換是現(xiàn)代控制測量的基礎內容,高程轉換是實現(xiàn)測繪信息資源共享和大地基準精化至關重要的環(huán)節(jié)。目前GNSS高程轉換實際運用的方法有重力測量法和傳統(tǒng)的數(shù)值擬合逼近法。研究主要針對神經網絡模型對高程異常解算過程中的數(shù)學模型和解算精度展開了深入的分析。針對大范圍且地形差異較小的區(qū)域,提出了一種基于思維進化算法優(yōu)化的抗差BP神經網絡擬合模型。模型對于BP網絡較弱的抗差性能和局部優(yōu)化的特性,改造了模型輸入和優(yōu)化權值及閾值的計算方法,完善了數(shù)學模型的抗差性。運用某測區(qū)實測工程數(shù)據(jù)對優(yōu)化后的模型進行了驗算,驗證了模型的可靠性。對于小范圍測區(qū)的高程異常擬合需求,提出了一種基于穩(wěn)健估計的正則化RBF神經網絡擬合模型。在數(shù)據(jù)處理方法中穩(wěn)健估計的思想下,模型針對RBF網絡隱含層中心值選取過程中的隨機性進行了改造,提出“精度低,穩(wěn)健權小,中心偏離輸入越大”原則,提高了模型的抗差性能,并以工程數(shù)據(jù)訓練網絡進行擬合測試,驗證了其優(yōu)越性。研究主要是從數(shù)學建模角度分析了模型的內外符合精度,得出相應的結論,對數(shù)據(jù)自動化采集過程中誤差多樣性的觀測數(shù)值高程擬合計算有一定的現(xiàn)實意義。但是高程異常的擬合與地勢特征、數(shù)據(jù)點采集的質量等因素都有影響,模型還需從實用的角度進一步完善。
【關鍵詞】：高程擬合 穩(wěn)健估計 BP神經網絡 正則化RBF神經網絡
【學位授予單位】：華北理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：P223;P228.4
【目錄】：

• 摘要4-5
• Abstract5-9
• 引言9-10
• 第1章 文獻綜述10-15
• 1.1 課題背景10-11
• 1.2 研究現(xiàn)狀11-13
• 1.2.1 高程基準發(fā)展現(xiàn)狀11-12
• 1.2.2 高程擬合研究現(xiàn)狀12-13
• 1.2.3 神經網絡應用現(xiàn)狀13
• 1.3 論文研究內容13-15
• 第2章 基礎理論15-25
• 2.1 GNSS高程轉換15-17
• 2.1.1 高程系統(tǒng)15
• 2.1.2 高程異常的確定15-16
• 2.1.3 誤差來源16-17
• 2.2 高程擬合模型17-21
• 2.2.1 常用擬合函數(shù)17-18
• 2.2.2 擬合函數(shù)對比18
• 2.2.3 擬合模型誤差分析18-20
• 2.2.4 擬合精度評定指標20-21
• 2.3 抗差估計21-25
• 2.3.1 估計方法概述21-22
• 2.3.2 粗差處理思想22
• 2.3.3 穩(wěn)健估計22-25
• 第3章 基于MEA優(yōu)化的抗差BP神經網絡高程擬合模型25-46
• 3.1 神經網絡基本原理25-26
• 3.1.1 生物神經元25
• 3.1.2 人工神經元模型25-26
• 3.1.3 神經網絡的基本性能26
• 3.2 BP神經網絡模型26-29
• 3.2.1 BP網絡拓撲結構27
• 3.2.2 BP網絡學習過程27-28
• 3.2.3 BP擬合的適用性分析28-29
• 3.3 思維進化算法29-32
• 3.3.1 概述29-30
• 3.3.2 術語和概念30-31
• 3.3.3 思維進化算法優(yōu)化BP網絡31-32
• 3.4 MEA優(yōu)化的抗差BP高程擬合模型建立32-41
• 3.4.1 模型設計思路32-33
• 3.4.2 擬合模型建立33-35
• 3.4.3 模型優(yōu)化技術流程35-36
• 3.4.4 模型參數(shù)設計36-41
• 3.5 模型仿真測試41-45
• 3.5.1 試驗數(shù)據(jù)41-42
• 3.5.2 仿真方案設計42-43
• 3.5.3 試驗結果與分析43-45
• 3.6 本章小結45-46
• 第4章 改進的正則化RBF神經網絡高程擬合模型46-58
• 4.1 RBF神經網絡概述46-48
• 4.1.1 生理學基礎46
• 4.1.2 網絡工作原理46-48
• 4.1.3 網絡設計原則48
• 4.2 正則化RBF神經網絡48-51
• 4.2.1 正則化理論48-49
• 4.2.2 正則化網絡模型49-50
• 4.2.3 RBF網絡與BP網絡的區(qū)別與聯(lián)系50-51
• 4.3 改進的正則化RBF神經網絡模型的建立51-54
• 4.3.1 模型設計思路51
• 4.3.2 隱節(jié)點中心的抗差優(yōu)化51-53
• 4.3.3 抗差RBF擬合模型的建立53-54
• 4.4 模型仿真測試54-57
• 4.4.1 試驗數(shù)據(jù)54-55
• 4.4.2 仿真方案設計55-56
• 4.4.3 試驗結果與分析56-57
• 4.5 本章小結57-58
• 結論58-59
• 參考文獻59-63
• 致謝63-64
• 導師及企業(yè)導師簡介64-65
• 作者簡介65-66
• 學位論文數(shù)據(jù)集66

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 葉子偉;韓紅超;;基于退火B(yǎng)P神經網絡的GPS高程轉換[J];測繪工程;2008年04期

2 王昶;王旭;;GPS大地水準面擬合模型研究[J];測繪工程;2009年04期

3 張興福;劉成;王國輝;康占龍;閆海波;;基于EGM2008重力場模型的GPS高程轉換方法及精度分析[J];地球物理學進展;2012年01期

4 蔣霖;;基于EKF的神經網絡在GPS高程轉換中的應用[J];工程勘察;2012年04期

5 李和旺;任超;;遺傳算法改進的BP神經網絡在GPS高程擬合中的應用[J];工程勘察;2012年12期

6 汪金花;劉雨青;吳長悅;;一種含穩(wěn)健權的神經網絡GNSS高程擬合模型[J];測繪通報;2014年08期

7 雷鳴;張立亭;崔紅超;;幾種神經網絡在GPS高程轉換中的比較[J];江西測繪;2013年01期

8 魏子卿;高程現(xiàn)代化問題[J];武漢大學學報(信息科學版);2001年05期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 張莉;幾類神經網絡的分析與優(yōu)化及其應用研究[D];西安電子科技大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 朱華平;不適定問題的正則化理論及其應用[D];武漢理工大學;2007年

  本文關鍵詞：基于穩(wěn)健估計的神經網絡高程擬合模型的研究，，由筆耕文化傳播整理發(fā)布。

本文編號：293413