GNSS监测数据的拟合研究

以某矿山实际生产中GNSS高程变形监测的使用以及采空区探测为研究对象,分析了某矿山开采过程中测绘技术的相关应用。对GNSS监测网络获取的监测数据拟合工作展开了深入研究。

GNSS监测数据在滑坡预警中的处理与应用--以王家台滑坡为例

由于受外界因素的影响,GNSS自动化监测设备在滑坡位移监测应用中监测数据存在波动性,采用未经检验、处理的监测数据进行滑坡趋势分析会产生偏差影响,因此采用“四分位数法”对GNSS监测数据进行整理,划分内限,“甄别”异常值后,将进一步降噪后的GNSS监测数据进行处理、曲线拟合,进行长期趋势项与周期性趋势分析,并将拟合长期趋势函数曲线与规范变形曲线进行对比,进而判断滑坡体处于的变形阶段,而且通过对比不同GNSS监测数据的周期性函数曲线,可用以判断同一区域周期性影响因素对GNSS监测数据变化情况是否存在相似性,有助于提高监测预警分析的准确性。通过实例验证,通过上述方法对GNSS监测数据进行处理、曲线拟合,综合分析出滑坡体的变形趋势与周期因素的影响情况,取得不错的效果,为后续监测分析提供了参考价值。

采用多源重力场数据提高区域GNSS高程拟合精度

为提高在无实测重力数据下,提高区域GNSS高程拟合精度的问题,提出了一种应用于区域GNSS高程拟合的新方法,即采用多源重力场数据的多元回归模型法,该方法通过使用地球重力场模型XGM2019e_2159(X Gravity Models2019e_2159)、EIGEN-6C4和EGM96(Earth Gravity Models96)作为多源重力场的模型选择,计算高程异常长波部分、重力异常和扰动重力,根据不同地球重力场模型的高程异常长波部分之间的标准差的大小,建立只包含高程异常长波部分或包含重力异常与扰动重力的多元回归模型。该方法与广泛使用的"移去-拟合-恢复"法的拟合结果进行了精度对比。研究结果表明,在三个研究区内,该方法的外符合精度相比采用XGM2019e_2159模型的"移去-拟合-恢复"法,最大约有3厘米的提升,最小有毫米级提升。因此可验证该方法在提高区域GNSS高程拟合精度的可行性,为提高GNSS高程拟合精度提供了可行的新方案。

一种基于智能算法的GNSS高程拟合方法

广义回归神经网络(GRNN)是一种新型的前馈神经网络模型,具有训练次数少、耗时短、非线性参数的预报能力较强等优点。但GRNN唯一的调节参数SPREAD不能自动获取限制其进一步的应用。针对该缺陷,本文采用果蝇优化算法(FOA)与GRNN相结合构建FOAGRNN模型对GRNN进行优化,自动获取调节参数的值。为了检验FOAGRNN模型的GNSS高程拟合精度,进行了实验分析。实验结果证明了FOAGRNN模型的GNSS高程拟合精度可达6mm。为进一步检验FOAGRNN模型的优越性,采用与平面拟合模型、二次曲面拟合模型进行对比。实验结果表示FOAGRNN模型的拟合精度要优于平面拟合模型和二次曲面拟合模型,证明了FOAGRNN模型在数据样本较少的情况下,其GNSS高程拟合精度仍然可以达到较高精度。

地形及纬度对GNSS高程拟合精度的影响

选择分布在5个城市的5个铁路项目,用3个纬度、3种地形采样的GNSS(全球导航卫星系统)数据为样本,以二等水准成果为真值与二次曲面函数拟合结果进行对比。经探讨,GNSS高程拟合对地形要求较高,不适用于山区及地形变化趋势不一致的丘陵地区,在地势变化平缓的区域,实际可以达到三等水准的精度要求。

一种基于PEIV模型的GNSS高程拟合解法

采用二次曲面函数拟合全球卫星导航系统(GNSS)高程时,系数矩阵中含有观测坐标,所以系数矩阵同样存在误差,故采用总体最小二乘拟合GNSS高程更加合理。但系数矩阵不同位置有相同的元素,为保证这些相同元素有相同的改正数,本文提出了基于部分变量含误差(PEIV)模型的GNSS高程拟合解法,该方法可以保证相同元素的改正数一致。最后通过模拟算例和实例算例分析发现,本文解法与加权总体最小二乘(WTLS)解算结果一致,验证了本文解法的可行性。

石家庄市GNSS高程虚拟分区拟合原理研究

随着科学技术的发展,GNSS在工程测量和城市规划测量中得到了越来越广泛的应用。在GNSS测量过程中,平面位置坐标的获取精度通常情况下较高,但大地高在转化为正常高时,因为高程异常值的不确定性,往往存在较大的误差,给实际运用带来较大的不方便和不确定性。本研究尝试采用距离测量点位最近的大地水准面上16个点,拟合出1套接近于真值的参数,从而求出更加接近真值的高程异常值,最大程度保证正常高的精度。本研究可以在实际工程中进行推广应用,尤其是在平原地区,非常接近传统的水准测量精度,可以取代水准测量,从而提高工作效率,降低人工劳动强度。

莱因达准则在安全监测数据离群值判别的应用优化

目前,莱茵达准则是最常用的一种安全监测数据离群值判别方法。但和其它方法一样,均基于统计学原理,在使用过程中均不可避免的存在误判。通过分析造成误判的主要原因:安全监测成果并非总是围绕平均值上下波动,并制定相应的改进,成功提高该方法的判别准确率。

三层模型的BP网络在GNSS高程拟合中的应用研究

针对我国绝大多数矿山地区还没有实现大地水准面精化的现状,利用BP模型实现这些地区GNSS高程的高精度转换。首先利用传统数学模型进行GNSS高程拟合,然后进行两个输入元、不同中间神经元与单一输出元的三层BP神经网络下的二次数据拟合,通过BP网络自适应映射能力实现非线性运算,避免人为构建模型误差,进而提高GNSS高程转换的精度,优势明显。利用某矿山实际工程数据对BP模型结构拟合结果进行了实际验证,得出矿区高程拟合差值平均误差可达到0.000 1 m,中误差0.028 3 m。BP模型还解决了矿区进行GNSS水准拟合时由于大地水准面的不确定致使拟合精度不稳定的问题。

基于加权最小二乘的GNSS高程拟合模型分析

GNSS高程拟合多建立在经典Gauss-Markov模型的基础上,没有考虑各观测值的影响因子,最小二乘解不是最优。为得到最优的最小二乘解,在二次曲面拟合模型的基础上提出了直接定权的方法,探讨了各类加权最小二乘模型的差异性,通过实验,将直接定权法与选权迭代法及加权递推最小二乘法进行了对比分析。结果表明,各种模型精度差异较小,直接定权简单实用,可在实际工程中推广应用。

基于曲面拟合模型的山区GNSS水准精度分析

介绍了测量中的高程系统及其转换关系,对GNSS水准模型进行了简要介绍。通过实例对山区GNSS水准曲面拟合的精度进行了分析,并对GNSS水准精度和外围点的精度进行了评定,得到了一些有工程价值的结论。

基于Powell法的GNSS卫星轨道拟合算法

针对GNSS导航信号模拟源中卫星轨道计算的高精度实时性要求,提出了一种基于Powell最优化理论的卫星轨道拟合算法。该算法将有限点卫星位置拟合问题转化为无约束极小值问题,使用最优化理论求解卫星轨道模型参数,从而可以方便计算任意时刻的卫星速度、加速度等高阶量。算例结果表明计算卫星星历时,位置误差小于1×10-4m,速度误差小于1×10-6m/s,计算量为广播星历直接计算的1/3;计算精密星历时,位置精度在2cm左右,拟合精度较拉格朗日插值算法提高了大约1倍。通过实际应用,充分验证了算法的有效性。

MATLAB拟合工具箱在GNSS高程转换中的应用

利用GNSS技术可实现区域快速正常高测量,但一般需要借助拟合方法或区域似大地水准面模型将GNSS获得的大地高转换为正常高,Surface Fitting Tool是MATLAB软件附带的拟合工具箱,该工具箱具有丰富的拟合函数,可用于GNSS高程转换。本文利用某测区实测GNSS/水准数据探讨Surface Fitting Tool拟合工具箱的各种拟合函数用于GNSS高程转换的精度。实验结果表明,在地形较为平坦的测区,除最邻近拟合函数外,其余函数的拟合精度基本可达厘米级,在相同的条件下,二次曲面拟合最高时可优于3cm,利用该工具箱无需编写复杂的拟合程序,提高了工作效率。

基于改进RBF神经网络的GNSS高程拟合

针对传统的RBF神经网络模型在GNSS高程拟合中拟合精度较低、稳定性较差、相关因子需提前人为设置等问题,通过将改进的自适应权重粒子群优化算法与MATLAB RBF神经网络函数newrb相结合,实现RBF神经网络函数模型中隐含节点数和SPREAD值的自动优化选取,提高算法在GNSS高程拟合中的精度和稳定性。通过实例分析,该方法拟合精度高,可达到mm级精度,相对于传统的二次多项式模型精度提高17%,稳定性良好。

GNSS定位测量高程拟合方法的研究与实践

通过介绍GNSS高程拟合的原理,介绍了固定差改正法、曲线拟合法、曲面拟合法3种高程拟合的方法,以具体的工程测量任务为实例,采用GNSS固定差改正高程拟合法与四等水准测量的两种方法,解算出测区内点的高程,并对点位高程坐标进行了精度分析,得到了可靠的结论,为测量工作提供参考依据。

GNSS高程拟合中的稳健估计粗差剔除方法

针对GNSS高程拟合中最小二乘估计不具备抗粗差的能力,至使含有粗差数据拟合结果失真的问题,将稳健估计引入到数据预处理中,建立了稳健估计选权迭代方法。研究结果表明:该方法有效地解决了在精度允许的范围内数学模型失真这一问题,并结合具体工程实例分析证明了该方法的有效性。

无偏灰色模型和Origin拟合函数在变形监测预报中的对比应用

针对灰色模型的固有缺陷,通过白化方程与灰微分方程之间的参数变换实现了三类灰色模型的无偏性。通过3个实例对比分析了无偏灰色模型和Origin拟合函数在变形监测预报中的应用效果,结果表明,在"少数据建模"情况下,无偏灰色模型拟合预测精度与Origin拟合函数相当;当建模数据较多时,则不及Origin拟合函数。无偏灰色模型建模原理简单,可用于处理小样本变形监测数据。Origin拟合函数不需要考虑数据量和变形监测时间间隔,可用于处理变形监测数据。

云模型在GNSS高程拟合中的应用

针对曲线拟合方法求局部区域高程异常值具有局限性的问题,提出了一种基于云模型的方法对高程异常值进行分析处理。本文按照控制点的位置分组进行曲线拟合,对高程异常值进行定性定量分析形成云形图,直观表现出高程异常值的特性。结果表明新方法能使高程异常值精度提高,验证了GNSS控制高程的可靠性。

GNSS高程拟合模型的应用研究

介绍几种不同的GNSS高程拟合的数学模型,并以实际案例对几种方法进行比较、分析、研究,各种数学拟合模型都各有其优势与缺陷,有一定的适用范围,且不同拟合模型可能对高程异常模型的影响差异比较大。因此,应根据拟合区域的面积、地形、区域和地质情况,选择合适的数学模型。

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。