矿区GPS高程异常相关向量机拟合模型

为提高GPS高程异常拟合的精度及可靠性,基于相关向量机模型(Relevance vector machine,RVM),提出了一种稀疏化概率式的GPS高程异常SVM拟合模型。以柯西核函数与交叉验证法构建相关向量机,并推导了置信区间的估计公式。以某矿区GPS高程控制网为例,构建了基于相关向量机的高程异常拟合模型,并与多项式拟合、BP神经网络和遗传最小二乘支持向量机进行精度对比,通过置信区间估计,评价拟合结果的可靠性。试验结果表明:1相关向量机的平均绝对误差(Mean absolute error,MAE)、平均绝对百分误差(Mean absolute percentage error,MAPE)、均方根误差(Root mean square error,RMSE)等精度指标均较大幅度优于多项式、BP神经网络和遗传最小二乘支持向量机;2测试数据集的实测高程异常均在相关向量机估计的置信区间内。上述试验结果进一步表明:相关向量机是一种精度及可靠性高的矿区GPS高程异常拟合方法,对于快速测定矿区正常高有一定的参考价值。

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%。