本文關鍵詞：基于基因表達式編程的數(shù)字高程模型建立

  更多相關文章： 基因表達式編程 數(shù)字高程模型 高程插值 移動擬合 距離加權法

【摘要】：數(shù)字高程模型(DEM)是通過大量的已知點對連續(xù)地面的表達方式,作為地理信息系統(tǒng)進行地形分析的核心數(shù)據(jù),它具有無可替代的作用和廣泛的應用前景。隨著技術的發(fā)展對數(shù)字高程模型的質(zhì)量要求越來越高,對其精度分析和評估的方法也得到了充分的重視。當前建立數(shù)字高程模型的方法多種多樣,而目前的諸多方法都有其不可避免的缺陷,如何在采樣點缺失的前提下提高數(shù)字高程模型建立的精度,是當前制約數(shù)字地面模型建立的主要因素。本文基于數(shù)字高程模型的相關概念和國內(nèi)外研究現(xiàn)狀,闡述了影響數(shù)字高程模型建立精度的幾個重要因素。鑒于常用的空間插值方法處理采樣點缺失時難以準確客觀地確定插值函數(shù)的問題,將彈性的基因表達式編程(GEP)技術引入到數(shù)字高程模型的插值函數(shù)確定中,提出了緩沖區(qū)策略,適時地注入優(yōu)秀高程體;根據(jù)動態(tài)簇的搜索算法(SDCA),避免了冗余點的計算;提出了移動擬合GEP算法(MF-GEP),縮小了擬合空間;利用該算法在Visual Studio編程環(huán)境下使用C#語言對該算法進行編程,獲取的插值點高程,在這個過程中對選取的插值點、擬合選取的采樣點個數(shù),插值點與采樣點之間的位置關系進行實驗確定。通過與距離加權法插值建立的數(shù)字高程模型精度進行對比分析。最后將該算法建立的數(shù)字高程模型運用到高鐵線路選取的工程實例中。通過三組數(shù)據(jù)的實驗計算結果表明,利用MF-GEP擬合的插值點中誤差小于利用距離加權法擬合的插值點中誤差,表明其精度更高;實例通過挖填方工程量計算,得到的精度滿足鐵路選線相關技術要求,表明MF-GEP擬合的數(shù)字高程模型在高鐵線路選取當中是可行有效的。
【關鍵詞】：基因表達式編程 數(shù)字高程模型 高程插值 移動擬合 距離加權法
【學位授予單位】：江西理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：P208
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-16
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)研究現(xiàn)狀以及存在的問題10-13
• 1.2.1 數(shù)字高程模型建立的研究現(xiàn)狀10-11
• 1.2.2 基因表達式編程研究現(xiàn)狀11-12
• 1.2.3 存在的問題12-13
• 1.3 研究內(nèi)容及研究方案13-14
• 1.3.1 研究內(nèi)容13
• 1.3.2 研究方案13-14
• 1.4 論文章節(jié)安排14-16
• 第二章 數(shù)字高程模型建立的相關理論16-22
• 2.1 數(shù)字高程模型的相關理論16-17
• 2.1.1 數(shù)字高程模型16
• 2.1.2 DEM的特點及應用16-17
• 2.2 數(shù)字高程模型建立的發(fā)展水平及研究現(xiàn)狀17-18
• 2.3 DEM數(shù)據(jù)的獲取方式18-20
• 2.3.1 攝影測量及遙感方法18-19
• 2.3.2 地形圖數(shù)字化方法19
• 2.3.3 野外數(shù)據(jù)采集法19
• 2.3.4 其它數(shù)據(jù)源19-20
• 2.3.5 集中數(shù)據(jù)采集方法的對比20
• 2.4 影響DEM建模精度的幾大要素20-21
• 2.5 本章小結21-22
• 第三章 基因表達式編程的相關理論22-32
• 3.1 GEP的基本概念22-30
• 3.1.1 終結符和函數(shù)22-23
• 3.1.2 編碼結構23
• 3.1.3 GEP中的編碼結構23-25
• 3.1.4 適應度函數(shù)25-26
• 3.1.5 遺傳操作26-28
• 3.1.6 GEP算法流程28-30
• 3.2 GEP算法改進30-31
• 3.2.1 緩沖區(qū)策略30-31
• 3.2.2 改良后的GEP擬合的代數(shù)與平均適應度31
• 3.3 本章小結31-32
• 第四章 基于基因表達式的數(shù)字地面模型插值32-59
• 4.1 DEM插值算法32-34
• 4.1.1 線性內(nèi)插法32-33
• 4.1.2 距離加權法33
• 4.1.3 趨勢面法33
• 4.1.4 克里格金法33-34
• 4.2 基于GEP的數(shù)字高程模型插值法34-36
• 4.2.1 動態(tài)簇搜索算法（SDCA）35
• 4.2.2 移動擬合GEP算法35-36
• 4.3 DTM模型的建立36-50
• 4.3.1 模型構建的環(huán)境36
• 4.3.2 高程插值模型算法實現(xiàn)的關鍵步驟36-50
• 4.4 基于改進GEP擬合數(shù)字高程模型插值位置的實驗50-57
• 4.4.1 實驗平臺和實驗數(shù)據(jù)的準備50-51
• 4.4.2 參考點個數(shù)選擇51-52
• 4.4.3 插值點與參考點位置確定與精度的關系52-54
• 4.4.4 格網(wǎng)密度的設置54-55
• 4.4.5 GEP擬合插值與距離加權法的擬合精度對比55-57
• 4.5 數(shù)字高程模型的參數(shù)設置57-58
• 4.6 本章小結58-59
• 第五章GEP建立的數(shù)字地面模型在高鐵選線中的應用59-68
• 5.1 基于GEP建立的數(shù)字地面模型59-64
• 5.1.1 實驗數(shù)據(jù)的準備工作59-60
• 5.1.2 數(shù)據(jù)預處理的詳細步驟60-63
• 5.1.3 根據(jù)獲得的插值和采樣點建立數(shù)字高程模型63-64
• 5.2 基于GEP建立的數(shù)字高程模型在高鐵線路選取的應用64-66
• 5.2.1 基于建立的數(shù)字地面模型64-65
• 5.2.2 設計線路的工程量分析65-66
• 5.3 本章小結66-68
• 第六章 總結與展望68-70
• 6.1 總結68-69
• 6.2 展望69-70
• 參考文獻70-73
• 致謝73-74
• 攻讀學位期間的研究成果74-75

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 陳昆華;周國清;易柳城;何素楠;;無人機數(shù)字高程模型精度評價分析研究[J];城市勘測;2014年01期

2 張瀟瓏;;動態(tài)評估策略的GEP算法在大坎變形預測中的應用[J];測繪與空間地理信息;2014年07期

3 夏凱祥;趙曙光;方聰;俞經(jīng)龍;;面向可逆邏輯綜合的GEP算法設計與實現(xiàn)[J];電子科技;2014年11期

4 張恒國;王合龍;吳清香;;基于ROAM算法的數(shù)字地面模型研究與實現(xiàn)[J];信息技術;2008年01期

5 李文敬;鐘智;元昌安;;基于GEP的分形圖像壓縮并行算法[J];計算機工程;2012年07期

6 林偉泳;李巖;;SVG數(shù)字高程模型生成與3D可視化方法[J];計算機工程;2012年22期

7 陶俊劍;元昌安;蔡宏果;;基于GEP優(yōu)化的RBF神經(jīng)網(wǎng)絡算法[J];小型微型計算機系統(tǒng);2010年05期

，

本文編號：544578