基于MapObjects的全球定位系统高程转换

应用VB语言,开发了一个基于MapObjects的GPS高程转换系统,其具有精度高、可视化强、信息集中、操作简便等优点,给用户带来了很大的便利。

珠峰峰顶雪面高程和全球变暖

我国在 1 966年、1 975年、1 992年、1 998年、1 999年对珠穆朗玛峰高程进行了 5次测定。对我国近 35年来的珠峰高程测定的成果作了分析研究。对 35年来所测定的珠峰峰顶雪面高程呈现持续性下降趋势和相对于全球高程系统的珠峰高程作了初步探讨。

带状交通工程中GPS高程拟合方法分析

GPS定位技术在交通工程平面控制中得到广泛应用,为使GPS高程成果也可以适用于带状交通工程,则GPS高程拟合模型的选取成为工程应用中急需解决的问题。针对模型的选取,该文试着将二次曲线拟合法与二次曲面拟合法进行对比,并结合某段带状交通工程GPS测量数据进行对比分析,最后得出二次曲面拟合模型拟合效果更佳的结论。

遗传算法优化灰色神经网络的GPS高程拟合模型

为了进一步提高GPS高程拟合的精度,提出利用遗传算法优化选择灰色神经网络模型的权值阈值:对灰色神经网络的初始权值和阈值利用遗传算法进行适应度编码,并经过选择、变异及交叉确定最优的初始参数,以解决灰色神经网络初始参数随机选择拟合值无法唯一确定的问题;然后建立遗传灰色神经网络GPS高程拟合模型,并给出模型实现步骤。实验结果表明,遗传灰色神经网络GPS高程拟合模型的精度优于当前其他拟合模型的精度,且模型稳定性良好。

基于GSA-BP神经网络的GNSS高程拟合方法

针对传统BP神经网络模型进行全球导航卫星系统(Global Navigation Satellite System,GNSS)高程拟合时存在的收敛速度慢,易陷入局部极小值和拟合精度受初始参数选取影响大的问题,提出一种遗传模拟退火算法(Genetic Simulated Annealing,GSA)优化的BP神经网络模型:GSA-BP。该模型利用GSA的全局搜索能力对BP神经网络的模型参数进行自动寻优,确保BP网络能够获取全局最优解并提升拟合精度。最后采用实际工程算例开展试验,对所提GSA-BP模型的高程拟合性能进行评估和验证,结果表明所提GSA-BP模型相对于传统BP神经网络模型具有更高的拟合精度和更强的数据适应性,更适用于实际工程实践场景。

基于粒子群算法优化SVM的GPS高程拟合方法

采用支撑向量机(Support Vector Machine,SVM)模型进行GPS高程拟合时,拟合精度受模型参数(核参数和惩罚因子)选择影响较大,传统交叉验证法存在计算复杂,易陷入局部最优的问题。本文将粒子群(Particle Swarm Optimization,PSO)算法引入SVM模型,利用PSO全局搜索能力强和收敛速度快的特点对SVM模型进行优化,提升GPS高程拟合精度的同时增强模型的泛化适应性。最后基于实际算例对所提方法的拟合性能进行验证,结果表明相对于传统交叉验证SVM模型,所提PSO-SVM模型能够获得更高的拟合精度,并且对复杂地势具有更强的适应能力。

剩余地形模型对GNSS高程转换的影响分析

EGM2008和EIGEN-6C4等超高阶重力场模型阶次高达2190,能大幅度提高GNSS高程转换的精度。虽然超高阶模型的阶次比其他模型高出很多,但是其无法全频段地表示高程异常信息,为此,可采用DTM数据构建剩余地形模型,并将其转换为剩余高程异常,以对超高阶模型的截断误差进行补偿。本文以某一客运专线的数据为例,分析了剩余地形模型在GNSS高程转换中的贡献,通过平面、直线和曲线等不同的拟合方法进行试验对比分析,得出了一些经验性结论。

GPS高程拟合方法及评价准则研究

GPS获得的大地高需要转换成正常高才能得到工程应用。该文针对某测区的GPS和水准数据的高程转换问题,分别利用曲线拟合法、曲面拟合法、BP神经网络拟合法和RBF神经网络拟合法对该问题进行研究,并提出不同的精度评价准则对上述模型在工程应用中的可行性及精度进行分析。结果表明,在区域范围较小且呈面状分布的地区,采用RBF神经网络相对于曲线拟合模型、曲面拟合模型和BP神经网络模型,可以获得更高的拟合精度以及鲁棒性。本文的对比分析结果可以供读者在实际工程应用过程中参考。

GNSS高程拟合信息和点位环境可视化系统

介绍了基于百度地图的全球导航卫星系统(global navigation satellite system,GNSS)高程拟合信息和点位环境可视化系统的结构和功能。通过工程案例对系统进行了测试,结果表明,系统通过基于百度地图的点位环境可视化功能,能够有效判断点位周边环境,选择观测环境更好的点位作为控制点构建拟合模型,实现了GNSS大地高到正常高转换,提高了GNSS高程拟合精度。