基于遗传Elman神经网络进行矿区GPS高程拟合

发布时间：2021-10-16 02:45

　　目前,城市、平原地区的似大地水准面建立精度已经达到厘米级,但在矿区进行高程拟合时,由于地面高低起伏没有规则,其似大地水准面的拟合精度并不理想。针对此问题,本文提出利用遗传算法优化Elman神经网络的方法精化似大地水准面,采用移去-恢复法对残差进行建模,使用EGM 2008地球重力场模型和地形起伏信息来精化求解似大地水准面和参考椭球面之间的高程异常,同时着重分析了地球重力场模型以及地形变化信息对高程异常求解的重要性,并使用某矿区实测数据（GPS、水准）对所提方法进行验证,实验结果表明:文中所提方法的精度要优于二次曲面拟合模型和单一Elman模型,其外符合精度达到了1.14 cm,可以代替四等水准测量。 

【文章来源】：测绘与空间地理信息. 2020,43(04)

【文章页数】：6 页

【部分图文】：

地形起伏高程异常

Elman神经网络采用的算法为递归算法，是应用较为广泛的一种典型的反馈型神经网络。结构分为输入、隐含、衔接、输出4个层次。输入层的单元起到信号传输的作用，输出层单元起到加权的作用。隐含层单元有线性和非线性两种激励函数，一般选取Signmoid非线性函数，而承接层是用来存储隐含层前一刻的输出值，可以看作是有一步延迟的延时算子。隐含层的输出通过承接层的延迟与存储、自联与隐层的输入，这种自联方式对历史数据具有敏感性，从而达到动态建模的目的。Elman神经网络模式如图2所示。Elman网络的表达式为:

本文使用矿山岩移观测的实测数据进行计算，使用GPS接收机进行D级控制网的观测，采集解算了19个控制点，并进行了四等水准联测，将其中的8个分布在外侧的点与1个在中间的点作为已知点进行训练，利用其余10个均匀分布在其中的点作为未知点，进行成果检验。点位分布如图4所示。图4 点位分布

【参考文献】：
期刊论文
[1]GPS高程测量代替等级水准测量的应用研究[J]. 陈为民,张旭东,符华年,施立群.  武汉大学学报(信息科学版). 2013(07)
[2]基于遗传算法的RBF神经网络在GPS高程拟合中的应用[J]. 刘建,王琪洁,王小辉,张昊.  测绘科学. 2013(02)
[3]GPS水准综合模型在局部控制测量中的应用研究[J]. 杨帆,赵瑞山,邹阳,陈爽,吴作启.  测绘通报. 2012(09)
[4]综合EGM2008模型和SRTM/DTM2006.0剩余地形模型的GPS高程转换方法[J]. 张兴福,刘成.  测绘学报. 2012(01)
[5]对中国高程控制网现代化工作的思考[J]. 陈俊勇,张全德,张鹏.  武汉大学学报(信息科学版). 2007(11)



本文编号：3438995