GPS高程异常拟合精度的估算方法

利用GPS大地高和部分水准高程进行高程拟合时,高程异常拟合精度的合理评定在实际工作中很有意义。给出高程异常拟合精度的估算公式并分析影响高程异常拟合精度的误差来源,利用京沪高速铁路的GPS实测数据进行验算,取得比较满意的结果。

GPS高程异常拟合的稳健总体最小二乘算法

为解决控制点平面坐标与高程异常值中均含有误差的情况下求解模型参数的问题,对应用总体最小二乘算法(TLS)建立G-M模型求解拟合模型参数的方法进行讨论,重点对应用稳健总体最小二乘算法解决控制点之间观测值精度不等对参数求解有影响的问题进行探讨。对基于稳健估计思想的TLS迭代定权算法进行讨论,并通过算例与其他两种算法进行比较。结果表明,基于稳健估计的TLS算法能更好地解决含有误差的控制点已知坐标对GPS高程拟合模型参数求解有影响的问题。

GPS高程异常拟合的降维处理算法

探讨了基于拟合误差方程病态的降维处理算法 ,以期得到稳定的解。该方法的本质是截尾正则化算法 ,并利用实测数据进行了验证。结果表明 ,本方法非常有效。

高程异常拟合病态EIV模型的广义岭估计算法

应用法方程矩阵的特征向量构造正则化矩阵,改进通过单一参数既要实现降正则化、又要实现正则化的高程异常拟合病态模型算法。以二次多项式拟合模型为例,应用实测数据对算法进行验证,并与现有病态模型的正则化算法进行比较。

大高差区域最优GNSS高程异常拟合模型的确定

GNSS测高得到的大地高,需经过高程异常改正,才能得到正常高。通常情况下,高程异常无法精确求解,需通过建模确定。目前常用的多项式拟合模型仅在地形平坦区域的适用性好。针对地形起伏较大的大高差区域,结合经典的“移去—拟合—恢复”法,利用反距离加权和支持向量机(SVM)模型进行高程异常建模。通过两个最大高差分别为445.9 m和705.4 m的实际算例发现,采用SVM模型的外符合精度最优,分别为1.73 cm和1.13 cm;反距离加权法的外符合精度分别为2.25 cm和1.40 cm;多项式拟合法的外符合精度分别为3.17 cm和2.18 cm。因此,建议在大高差区域采用SVM模型进行高程异常拟合建模。

削弱不可建模系统差影响的高程异常拟合方法

采用有限个基函数拟合高程异常时，通常还存在不可建模的系统差。本文探讨了采用权阵削弱这种系统差影响的方法，并根据系统差的特点构造了权阵的形式，分析了本文解法具有连续、收敛于采样值等优良性质，给出了这种方法的实用算法。

基于高程异常拟合模型的矿区测量数据处理

基于高程异常拟合模型对矿区测量数据处理进行研究,分析总体最小二乘模型的几何意义,基于奇异值分解算法与拉格朗日函数算法,结合数据处理实例讨论矿区高程异常拟合。研究表明,与最小二乘算法相比,基于拉格朗日函数的总体最小二乘算法求解的拟合模型参数精度没有显著提高。

利用EGM2008模型与加权组合模型进行高程异常拟合

高程异常拟合是GPS高程测量应用于实际工作的重要技术手段,高精度地求解高程异常是技术关键。本文提出了顾及EGM2008重力场模型的高程异常拟合方法,通过EGM2008重力场模型计算高程异常长波项,并对剩余高程异常利用加权组合模型进行拟合。通过江苏省某市的实测数据验证顾及EGM2008重力场模型的加权组合模型拟合方法。结果表明,该方法的精度达到了厘米级,高程异常拟合效果最大提升了30%。

基于MVO优化神经网络的GNSS高程异常拟合方法

针对普通神经网络的梯度消失和易陷入局部极值的问题,提出一种基于多元宇宙优化算法(multi-verse optimizer,MVO)的BP神经网络优化方法(MVO-BP),利用MVO全局寻优的特性求取BP神经网络各层之间可靠的神经元阈值与连接权,从而使神经网络预测模型具备更高的预测精度。建立基于MVO-BP算法的GNSS高程异常拟合预测模型,并采用实际工程中少量高程异常数据进行算法可行性检验。结果表明,相较于常规的BP神经网络法及多面函数法,MVO-BP法精度更高、适用性更强,可为实际工程测量中正常高的求取提供参考。

基于BP神经网络和二阶多项式的高程异常拟合精度分析

由于高程异常的影响导致采用卫星定位技术获取的大地高并不能直接应用于工程实践中,必须将其转换为正常高系统。分别采用了BP神经网络与二阶多项式进行高程异常拟合,分别采用内外符合精度作为精度评价指标,分析两种高程异常拟合方法的精度。通过实测数据表明:基于BP神经网络的拟合结果要优于基于二阶多项式的拟合结果,外推精度更高。

海洋测绘中高程异常拟合模型的运用研究与探讨

主要介绍了在浙江省海洋测绘实施过程中,如何建立和利用高程异常拟合模型实现网络RTK大地高到水准高程的转换,进而实现无验潮水下地形的测量。通过短期潮位观测,进行水准高程传递,利用海岛水准点进行曲面模型约束,分析了模型的内、外符合精度,同时将实测无验潮水下地形数据与常规验潮模式获取的水下地形数据进行比对统计,进一步验证了在近海海域利用网络RTK技术实施无验潮作业的可行性。并探讨了存在的问题及今后海洋测绘的发展趋势。

基于高程异常拟合二次多项式模型的矿山测量数据处理方法研究

针对矿山测量数据存在精度差、易受外界因素干扰、测绘难以维持且基准不统一等问题,采用高程异常拟合二次多项式模型,推导出了模型显著性检验的算法与方法以及随机模型误差对函数模型显著性检验的影响;通过对Reilly线性化函数的使用,实现了应用模型拟合残差对未知点随机信息的推估;并且使用残差推估方程与Reilly函数,计算了高程异常拟合后残差推估,矿区高程异常拟合实现证明,利用协方差函数推估高程异常拟合残差的可行性与有效性,研究为解决矿山测量数据存在的问题提供一定理论依据。

回归支持向量机在区域高程异常拟合中的应用

一、引言 上世纪90年代， Vapnik等人通过对机器学习的深入研究，将Vapnik本人创立的统计学习理论（Statistical Learning Theory，SLT）即有限样本学习理论，及相关概念-VC维（VC Dimension）、结构风险最小化准则（ Structural Risk Minimization， SR M）、核函数（ Kernel Function）引入到机器学习领域，提出了有限样本学习条件下，解决模式识别、回归分析问题时，通过黑箱模型建立“输入”和“输出”的“泛函”关系，并且使得模型具有较强“泛化”能力的支持向量机（Support Vector Machine，SVM）模型。空间高程异常拟合计算模型是以有限数量的已知点的大地经纬度（B,L）作为已知的输入量，空间点位的大高与该点的水准高的差值（H大地高-h水准高）作为输出量构成的分析样本，通过机器学习建立空间点位的大地经纬度（B,L）和该点高程异常值之间精确的“黑箱”关系，应用于空间样本点区域范围内及周边区域高程异常空间变化求解。

一种IGrubbs-LWLR的区域高程异常拟合方法

针对测量数据中粗差干扰及高程异常拟合方法选择较为困难的问题,结合格拉布斯(Grubbs)法判别粗差的原理,提出一种改进格拉布斯(Improved Grubbs,IGrubbs)结合局部加权线性回归(Local Weighted Linear Regression,LWLR)的拟合模型构建法。在原Grubbs法则的基础上,引入自适应迭代,在训练数据中,对粗差进行识别,并设定粗差剔除完成的指标参数,从而降低原方法中发生误判或漏判的概率,并利用局部加权线性回归法通过预处理后的训练样本数据来建立区域高程异常拟合模型。实验结果表明,相较于传统Grubbs法则,改进后的Grubbs法对于高程异常数据中的粗差剔除更为快速有效,且利用局部加权线性回归法所构建的区域高程异常拟合模型的预测精度及稳定性也得到一定程度的提高,对今后工程中的测高工作具备一定的参考意义。

GPS高程拟合的不同估计方法比较

通过GPS高程异常平面拟合实例,系统地介绍了最小二乘估计、总体最小二乘估计、稳健最小二乘估计、稳健总体最小二乘估计、半参数估计等5种估计方法的原理和特点,比较了它们的识别模型参数、减弱系统误差、抵御粗差和不同类型误差的能力。结果表明:总体最小二乘估计在GPS高程拟合中稳定性较弱,IGGⅢ抗差方案会放大随机模型误差对平面拟合模型的影响,半参数估计只有在系统误差存在下与最小二乘估计参数值相差大,最小二乘估计在高程拟合中精度最高。

基于抗差最小二乘配置法的GPS高程拟合

介绍了最小二乘配置的基本原理和抗差协方差函数的拟合原理,给出抗差最小二乘配置的求解过程,并通过实例讨论抗差最小二乘配置在GPS高程拟合中的有效性和解决最小二乘配置不具有抗差性的不足。

信号与噪声权选择对GPS高程拟合精度的影响

阐述了最小二乘配置基本原理,给出在吉洪诺夫条件下的最小二乘解和一种新的确定经验协方差的方法,并通过实例讨论信号与噪声权的选择对GPS高程拟合精度的影响。结果表明,随着信号与噪声权比的增大,内符合精度明显提高,检核精度也有一定的提高。

RSA-BP组合模型在GNSS高程拟合中的应用

针对地形复杂区域构建GNSS高程异常拟合模型精度有限的问题,本文提出了一种基于爬行动物搜索算法(RSA)优化BP神经网络的方法。利用RSA对传统BP神经网络各层之间神经元的权值和阈值全局寻优,解决BP神经网络局部极值、梯度下降等问题;同时,选取三等水准测量精度以上的加密网点高程数据作为样本集,使用RSA-BP神经网络学习与训练。与最小二乘支持向量机、多面函数拟合性能对比,RSA-BP神经网络模型拟合精度最高,稳定性最好,与实际高程异常值最为吻合。

基于非线性Gauss-Markov模型与广义EIV模型的矿区高程拟合方法研究

论文以矿区沉降观测的高程异常拟合为案例,分别基于非线性Gauss-Markov(GM)模型和广义EIV(error-in-variables,EIV)模型详细推导了煤矿开采沉陷区高程异常拟合方法。通过实测数据和仿真数据表明:在实测实验中,由于是等权的方式,广义EIV模型与非线性GM模型的估计结果一致且精度相当,与文献[8]的结论一致,表明了论文方法的正确性;在仿真实验中,广义EIV模型的参数与外推检核点的高程异常估值的均方根均小于非线性GM模型的结果。这也表明在加权条件下,广义EIV模型处理精度要优于最小二乘法的仿真数据处理精度。因此,应结合实际情况,选择合理的方法进行矿区高程异常拟合。

基于广义EIV模型的矿区高程异常的无缝推估算法

本文基于广义EIV(Generalized Error-In-Variables,GEIV)模型,提出一种矿区高程异常拟合的无缝推估算法。该方法可以顾及观测值之间的相关性,实现求解二次多项式系数的同时并推估出未知高程异常的一步法。通过实验表明,相比较于GEIV模型和Gauss-Markov(GM)的两步法,本文提出的方法求解多项式系数的均方根误差与广义EIV模型的精度一致,且优于GM模型,推估未知高程异常的精度分别提升50%和10%。