基于改进RBF神经网络的GNSS高程拟合

发布时间：2024-02-23 11:54

　　针对传统的RBF神经网络模型在GNSS高程拟合中拟合精度较低、稳定性较差、相关因子需提前人为设置等问题,通过将改进的自适应权重粒子群优化算法与MATLAB RBF神经网络函数newrb相结合,实现RBF神经网络函数模型中隐含节点数和SPREAD值的自动优化选取,提高算法在GNSS高程拟合中的精度和稳定性。通过实例分析,该方法拟合精度高,可达到mm级精度,相对于传统的二次多项式模型精度提高17%,稳定性良好。

【文章页数】：5 页

【部分图文】：

图1RBF神经网络拓扑结构

f(x)=∑i=1mhi(x)wi?????????(4)1.2基于RBF神经网络GNSS高程拟合

图2多峰值函数

为了验证本文提出的改进粒子群算法优化能力,采用函数fv=20+x2+y2-10(cos(2πx)+cos(2πy))进行20次仿真实验。该函数在区间[-5,5;-5,5]上具有多个极小值,在点(0,0)处有最小值0。函数图像见图2。分别利用基本粒子群算法、自适应权重粒子群算法以及....

图310次实验拟合残差值

本文采用某市区中的40个经四等水准联测的GNSS控制点作为实验数据,其中前26个点作为训练样本数据,后14个点作为神经网络模型测试数据。首先利用改进的RBF神经网络模型进行10次GNSS高程拟合实验。其测试数据残差见图3。由图3可知,改进的RBF神经网络GNSS高程拟合模型稳定性....

本文编号：3907456