GPS技术在道路工程高程控制中的应用研究

发布时间：2017-06-23 11:06

  本文关键词：GPS技术在道路工程高程控制中的应用研究，由笔耕文化传播整理发布。

【摘要】：道路控制测量能够测定一系列控制点的平面位置和高程,在路线设计、施工、运营等各个阶段发挥着非常重要的作用。随着全球定位系统技术的发展,GPS测量技术在工程测量的地位越来越重要,其精度高,速度快,操作简单等优点,极大地降低了劳动强度,工作效率也随之提高。尽管采用GPS技术获得的平面坐标精度高且满足工程需要,但因为高程系统的不一致,导致GPS高程与工程实际中的高程存在高程异常,需要采用高程转换模型进行转换,以使GPS技术提供的数据得以充分利用。本文主要研究GPS技术在道路工程测量中的应用,其主要研究内容和结果如下：(1)介绍GPS系统的工作原理以及GPS大地高、正常高和正高之间的关系,明确道路高程控制测量的实测方法、分布网布设及精度要求。(2)研究在道路工程中常用的GPS高程转换模型,并针对工程中不同地区地形特点和高程异常复杂情况采用多种转换模型(多项式曲线拟合法、多项式曲面拟合法、最小二乘配置法等)进行模型分析和程序实现。且结合X304(娄庄、淤溪段)公路项目和南京市政项目的实测数据进行对比,评价几种模型的拟合精度。最后根据不同地形的道路特点提出了具体的结论和建议。(3)提出了最小二乘支持向量机与BP神经网络的组合模型。并对最小二乘支持向量机、BP神经网络、多项式曲面拟合法和组合模型的精度进行了比较分析,结果表明,最小二乘支持向量机和BP神经网络的组合模型在GPS拟合中能够保持相对稳定的拟合残差。利用最小二乘支持向量机拟合的结果作为神经网络初始权值,可以有效克服神经网络等一般机器学习中出现的过学习和局部极值等问题,较好地保持了两种模型的各自优点,从而获得较高的拟合精度。对于GPS高程拟合具有一定的研究意义。
【关键词】：道路工程 GPS高程转换 神经网络 最小二乘支持向量机 组合模型
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P228.4;U412.24
【目录】：

• 摘要3-4
• Abstract4-8
• 1 绪论8-12
• 1.1 引言8-9
• 1.2 GPS高程拟合的研究现状9-10
• 1.3 本课题的研究意义10
• 1.4 本文研究的主要内容10-12
• 2 GPS高程测量原理12-28
• 2.1 GPS系统的组成及其坐标系统12-14
• 2.1.1 GPS系统的组成12-13
• 2.1.2 GPS坐标系统13-14
• 2.2 GPS定位原理14-19
• 2.2.1 绝对定位测量原理14-17
• 2.2.2 相对定位测量原理17-19
• 2.3 道路高程控制测量19-27
• 2.3.1 高程系统基本知识19-21
• 2.3.2 道路高程控制测量的意义和现状21-23
• 2.3.3 道路测量控制网的布设23-26
• 2.3.4 道路高程控制测量的精度要求26-27
• 2.4 本章小结27-28
• 3 GPS高程转换模型理论基础28-41
• 3.1 曲线拟合法28-33
• 3.1.1 最小二乘法基本原理28-30
• 3.1.2 多项式曲线拟合法30-32
• 3.1.3 正交函数曲线拟合法32-33
• 3.1.4 三次样条曲线拟合法33
• 3.2 曲面拟合法33-36
• 3.2.1 多项式曲面拟合法34-35
• 3.2.2 平面曲面相关模型拟合法35-36
• 3.3 最小二乘配置法36-39
• 3.3.1 最小二乘配置法模型36-37
• 3.3.2 最小二乘配置法的GPS高程转换37-39
• 3.3.3 协方差的选择39
• 3.4 本章小结39-41
• 4 道路工程中GPS高程拟合实例41-57
• 4.1 工程概况41-42
• 4.2 试验结果评判标准42
• 4.3 试验一：带状区域路面的拟合实例42-47
• 4.3.1 采用直线模型与二次曲线、三次曲线模型拟合结果比较44-45
• 4.3.2 控制点数量对模型拟合结果影响研究45-46
• 4.3.3 控制点点位分布对拟合结果的影响研究46-47
• 4.4 试验二：平坦区域路面的拟合实例47-51
• 4.5 试验三：丘陵地区路面的拟合实例51-56
• 4.5.1 二次曲面拟合的研究实例52-53
• 4.5.2 多项式曲面相关模型研究53-56
• 4.6 本章小结56-57
• 5 基于LS-SVM和BP神经网络的GPS高程测量模型57-72
• 5.1 最小二乘支持向量机在GPS高程拟合的运用57-63
• 5.1.1 支持向量机的原理57-61
• 5.1.2 最小二乘支持向量机的原理61-62
• 5.1.3 基于LS-SVM模型在高程拟合中的试验过程62-63
• 5.2 神经网络法63-65
• 5.3 LS-SVM和BP神经网络组合模型65-66
• 5.4 计算实例66-70
• 5.4.1 模型计算程序界面66-67
• 5.4.2 算例步骤67-70
• 5.5 本章小结70-72
• 6 结论与展望72-74
• 致谢74-75
• 参考文献75-78
• 附录78

【相似文献】

中国期刊全文数据库 前10条

1 刘彩红;唐万梅;;基于组合神经网络的教师评价模型研究[J];重庆师范大学学报(自然科学版);2008年04期

2 钟义信;;神经网络:成就、问题与前景[J];科学;1992年02期

3 莫恭佑;;神经网络及其在英国的应用[J];国际科技交流;1992年03期

4 闵志;;神经网络:使计算机具有快速学习功能[J];国际科技交流;1992年03期

5 冯建峰,钱敏平;神经网络中的退火——非时齐情形[J];北京大学学报(自然科学版);1993年03期

6 唐功友;离散Hopfield神经网络的稳定性[J];青岛海洋大学学报;1994年S2期

7 靳蕃;;中国神经网络学术大会在西南交通大学隆重召开[J];学术动态报道;1996年04期

8 彭宏,张素;带有时滞的神经网络的稳定性[J];杭州大学学报(自然科学版);1997年04期

9 陈新,孙道恒,黄洪钟;结构分析有限元系统与神经网络[J];起重运输机械;1999年06期

10 成宇;神经网络是怎么搭建的?[J];百科知识;2005年16期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年

5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年

6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年

7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年

8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年

9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年

10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年

  本文关键词：GPS技术在道路工程高程控制中的应用研究，，由笔耕文化传播整理发布。

本文编号：474815