融合重力信息的似大地水准面精化模型

发布时间：2024-09-17 16:33

　　 以二次多项式模型为基础,提出融合重力信息的多项式模型和融合重力信息的误差反向传播(error back propagation,BP)神经网络模型2种似大地水准面精化模型。通过试验验证,3种模型的检验点拟合中误差分别为±11.7 cm、±4.3 cm和±4.0 cm,重力信息可提高似大地水准面模型的拟合效果,BP神经网络模型的拟合精度最高,与二次多项式模型相比提高了65%。

【文章页数】：8 页

【部分图文】：

图1BP神经网络模型结构

BP算法是一种基于样本训练,自我学习调整的神经网络模型,该模型自20世纪70年代提出以来,经过几十年的发展,已经被证明适用于多个领域。BP神经网络模型结构如图1所示。由图1可知,BP神经网络主要由输入层、隐含层和输出层3部分构成。输入向量和输出向量对应常规模型中的自变量和因变量。....

图2融合重力信息的BP神经网络模型结构图

由图1可知,BP神经网络主要由输入层、隐含层和输出层3部分构成。输入向量和输出向量对应常规模型中的自变量和因变量。BP神经网络需要训练建模,训练过程分为正向传播过程和误差反向传播过程。正向传播过程中,输入向量经过与权值矩阵的运算,进入多层隐含层,隐含层之间均由权值矩阵连接,直至所....

图3工程实例点位分布图

试验数据来源于某地区,原始数据包含经度、纬度,重力异常数据由EGM2008地球重力场数据内插计算获得,如图3所示。工程中共有62个点位。试验地区经度跨度为0.853°,纬度跨度为1.221°,工程面积接近10000km2,其成果可供市级似大地水准面精化参考。为保护数据源,已对....

本文编号：4005730