改进BP神经网络模型在GNSS高程拟合中的应用

针对传统BP(Back Propagation)神经网络模型在进行高程拟合时受初始值选取较大、拟合精度有限的问题,本文充分发挥遗传算法(Genetic Algorithm,GA)以及模拟退火算法(Simulated Annealing,SA)分别在全局搜索以及局部搜索最优解的优势,提出了一种GSA-BP高程拟合模型。该组合模型能够实现BP网络模型的参数自动寻优,并对各层神经元之间的连接权值以及阈值进行不断优化,从而提高BP网络模型的拟合精度以及推广泛化能力。将本文提出的高程拟合模型应用于南昌市某控制网控制点高程拟合中,结果表明:本文提出的组合高程拟合模型的拟合效果较BP神经网络模型与曲面拟合模型更好,对于数据的适应性更强,对相关类工程高程拟合具有更好的实践效果。