关于BP神经网络转换GPS高程的若干问题

BP神经网络用于GPS高程转换有着较高的精度,但也存在不少问题,如网络的隐含层和隐含层单元个数选取、参加学习的样本的质量如何影响仿真精度等。结合实例分析上述问题,得出一些结论。

GA-BP网络模型在GPS似大地水准面精化中的应用

针对误差反向传播(BP)算法训练速度慢和易于陷入局部最小值的缺点,提出了利用遗传算法(GA)的全局寻优性,结合GA和BP的各自优点,分析和建立了进化神经网络(GA-BP)模型,并将该模型应用于似大地水准面模型精化。最后以南方某市E级GPS控制网高程数据为例,进行BP和GA-BP模型的对比实验,通过对内、外符合精度及MAPE(平均绝对误差百分比)指标分析,验证了该方法的可行性。

基于LS-SVM和BP神经网络组合模型的GPS高程拟合

提出了最小二乘支持向量机(LS-SVM)与BP神经网络的最优加权组合模型。通过实测数据对比分析了LS-SVM、BP神经网络、基于总体最小二乘算法(TLS)的二次多项式曲面拟合和最优加权组合模型的精度,结果表明最优加权组合模型的精度优于其他模型。

BPSA混合策略在GPS高程拟合中的应用

针对误差反向传播(BP)算法训练速度慢和易于陷入局部最小值的缺点,利用BP算法监督学习特点,模拟退火算法(SA)在局部极小处的概率突变性,有效结合BP和SA算法,提出一种BPSA混合学习策略。将其应用于GPS高程拟合,并以实例验证了该算法的有效性。

SA算法优化BP神经网络应用于GPS高程拟合

BP神经网络算法用于高程拟合有训练速度慢和易于陷入局部最小值的缺点,基于BP算法学习特点,模拟退火算法(SA)在局部极小处的概率突变性。本文作者有效结合BP和SA算法,提出一种SA优化BP神经网络算法的BPSA混合学习策略,并以实例验证了该算法的有效性。

基于退火BP神经网络的GPS高程转换

阐述模拟退火算法的基本思想和原理,提出并介绍模拟退火算法优化的BP神经网络模型在GPS高程转换中的具体应用,同时编写相应的MATLAB处理程序,结合大量数据进行仿真实验,结果表明文中提出的退火BP神经网络模型具有收敛速度快、精度高、避免陷入局部最小的优良特性。

几种改进的BP神经网络在GPS高程拟合中的应用比较

为了提高GPS高程拟合的精度和效率,本文分别利用几种常见的算法对标准BP神经网络进行了改进,结合控制网测量实例,分别利用外符精度、内符精度、测试步长以及运行时间4个指标对拟合结果进行评价。结果表明,不同改进算法的设计分别能有效提高拟合的精度和效率,在实际的工程实践中,可以根据具体拟合要求采取合适的算法对BP神经网络进行改进。

基于IA-BP算法的GPS高程拟合误差补偿方法

BP算法是校正GPS高程拟合误差的常用手段,但传统BP算法易陷入局部极小,使测量结果的精度稳定性差。提出一种基于免疫算法(IA)和BP神经网络结合的优化算法,利用IA进行全局搜索,然后,调用BP算法进行局部搜索。实验结果表明:该优化算法在训练多层前向神经网络时可有效地避免传统BP算法易陷入局部极小,并可保持其高预测精度,收敛速度快,具有寻优的全局性和精确性,进而提高了测量精度,且神经网络的GPS高程拟合误差与标准值间的相对误差均方差小于0.042 2,相对误差均值小于0.047 2,相对误差最大值小于0.050 3。

用地球位模型和BP神经网络转换GPS高程

研究了转换GPS高程的地球位模型和BP神经网络的拟合方法。用已知GPS水准点的高程异常移去地球位模型高程异常,然后对剩余高程异常通过BP神经网络拟合和内插,在内插点上恢复地球位模型高程异常,从而得到该点的高程异常。通过实测GPS水准数据将该方法与基于地球位模型和二次曲面的拟合方法进行了比较。试验结果表明,该方法转换GPS高程的精度优于基于地球位模型和二次曲面的拟合方法,能够满足一定的工程应用需求。

神经网络BP算法在GPS高程转换中粗差探测的尝试

引入神经网络的BP算法中稳定、收敛速度快的LevenbergMarquardt算法,进行GPS高程转换中的粗差探测,提出了LM粗差探测法。通过实验做出分析比较,得出了实用可行的计算方法。

基于改进BP神经网络的GPS信号反演蒸发波导研究

海上蒸发波导的存在,对舰载通信、雷达等电子装备产生严重影响,蒸发波导的准确预测是保证舰载电子装备对波导有效利用的前提。研究基于神经网络利用GPS信号接收功率反演蒸发波导的算法流程,提出采用贝叶斯正则化训练方法改进的BP神经网络的方法原理和计算步骤,实现了对蒸发波导的仿真反演。仿真结果表明,贝叶斯正则化BP神经网络能够实时高效反演蒸发波导高度和大气修正折射指数剖面,且在存在干扰的条件下反演结果更为真实可信。

基于GPS L5导频通道的GNSS-R SAR成像

为降低导航电文对利用全球导航卫星系统反射技术(global navigation satellite system-reflectometry, GNSS-R)进行合成孔径雷达(synthetic aperture radar, SAR)成像的影响,采用全球定位系统(global positioning system, GPS) L5导频通道即无数据通道的信号,通过后向投影(back projection, BP)算法进行成像。仿真和实验结果表明,与剥离导航电文的数据通道信号的成像相比,导频通道信号的使用无需考虑剥离电文操作,降低了信号处理复杂度;从图像对比上看,目标和背景得到更好的区分,信噪比提升,成像质量得到一定程度改善。

遗传模拟退火算法优化BP神经网络的GPS高程拟合

针对传统BP神经网络收敛速度慢、易陷入局部最优和遗传算法优化BP神经网络(GA-BP)算法过早收敛的问题,提出了遗传模拟退火算法优化BP神经网络(GSA-BP)算法.在遗传算法(GA)的种群更新中加入模拟退火算法(SA),保留种群的多样性.用GSA-BP算法对某地区进行高程异常拟合,并与BP算法和GA-BP算法结果进行比较.结果显示:GSA-BP算法精度可分别提高约51%、25%,速度提高约77%、39%,且能基本满足四等水准测量精度要求.该方法在GPS高程拟合中具有可行性.

基于BP-AdaBoost算法的复杂产品装配制造成熟度等级评估方法

现有复杂产品装配制造成熟度等级评估依赖专家凭经验确定指标权重和指标评分,存在主观性较强、工作量大、耗时长、无法传承评价实例所蕴含的知识等问题。为了提高复杂产品装配制造成熟度等级评估的效率以及客观性,利用成熟度等级评价实例数据,研究基于BP人工神经网络和AdaBoost算法的制造成熟度等级评估方法。构建复杂产品装配制造成熟度评价指标体系,给出基于模糊评价法和隶属函数的评价指标及成熟度等级达成度量化方法,建立基于BP神经网络的复杂产品装配制造成熟度等级评估模型,并使用AdaBoost算法优化成熟度等级评估BP神经网络模型。采用复杂产品分系统装配制造成熟度评价数据集对评估模型进行训练和实验,分析BP-AdaBoost的评估结果,获得最优评价模型。实验结果表明,基于BP-AdaBoost算法的复杂产品装配制造成熟度等级评估方法具有较好的可靠性与准确度。

基于改进BP学习算法的GPS高程转换

针对标准BP算法在GPS转换中的不足,给出改进的BP学习算法,通过对工程实例分析比较得出改进的BP算法在转换GPS高程中可以大大减少BP神经网络的训练时间,提高高程转换的效率。

基于PSO-水量平衡-BP耦合模型的短期水位预测

为降低水电站长期运行过程中频繁的无规律动作对于水头高、库容小、调节性能差的水电站造成的损害,最大限度利用水头优势增发电量,提高水电站运行的效益性和安全性,提出了一种机理与数据混合驱动的水位预测方法。该方法通过PSO(Particle Swarm Optimization)算法优化耦合BP(Back Propagation)神经网络和水量平衡模型,其中,数据驱动模型提供基准值,水量平衡机理模型修正水位趋势的合理性;将该方法应用于沙坪二级水电站的水位预测,对比分析水量平衡模型、BP神经网络模型和耦合模型预测结果。结果表明:提出的耦合模型有效避免了机理模型的累积误差和数据驱动的反常性;相对于水量平衡模型和BP神经网络模型,该耦合模型具有较高的预测精度和实用性,其平均绝对百分比误差MAPE和拟合优度R 2分别为0.0013和0.97,预测幅度更贴近真实水位。研究成果可为水电站面对短期的水位变化提前做出反应提供理论依据。

平坦地区转换GPS高程的混合转换方法

简要介绍了转换GPS高程的二次曲面拟合法和神经网络方法。然而 ,这 2种方法都有缺点 ,介绍的CF&NNM方法充分利用了 2者的优点 ,通过 2个平坦地区的工程实例 ,证实该方法的有效性 ,并得到一些有工程应用价值的结论。

GPS高程转换的神经元网络方法分析

GPS高程转换是GPS高程应用的关键问题之一 ,试图应用神经元网络方法来进行GPS高程的转换 ,并在网络的拓扑结构与网络结构的改进等方面作了分析 ,通过GPS高程转换的二次曲面法和神经元网络法进行了比较试验 ,结果表明了神经元网络转换GPS高程的可行性和可靠性 ,对于应用神经网络转换GPS高程具有实际的指导意义。

基于GPS技术的水田平地机的设计与试验

【目的】设计基于GPS技术的水田平地机,实现水田精准平整.【方法】GPS接收天线固定在平地铲上,以GPS高程定位数据作为平地铲高程信息,通过限幅平均滤波算法和PD控制算法实现平地铲运动精确和稳定的控制.【结果和结论】经GPS技术控制的水田平地机平整后的田块田面相对高程的标准偏差值由15.8 cm减小到4.7 cm,绝对差值在不大于5 cm的采样测量点累积百分比数达85.4%,限幅平均滤波算法减少了GPS高程数据误差.GPS高程定位数据能满足水田精准平整的要求,能有效改善田面平整状况.

转换GPS高程的神经元网络方法

介绍了神经元网络BP算法的基本结构 ,提出了转换GPS高程的神经元网络模型———经改进的 5层BP网络结构 .该BP网络结构包括 :输入转换层、输入层、隐含层、输出层和输出转换层 .由于BP网络激活函数的数据限定区间为 [0 ,1],在工程应用中 ,增加设置输入转换层和输出转换层是必要的 .通过某工程实例 ,对 5层BP网络的具体模型结构进行了一些试验研究 ,如输入输出层的结构设计、隐含层最佳节点数的选取等 .最后得到了一些有工程实用价值的结论 .