- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
1. 引言
近十多年来,GPS以其精度高、速度快、自动化程度高、经济效益高等优点广泛用于大地测量、精密工程测量、地壳和建筑物形变监测、石油勘探、资源调查、城市测量,并开始用于交通运输、军事、海洋、航道、航测遥感、通讯、气象等领域。GPS的出现对许多常规测量技术产生了极大冲击,对几何水准也不例外。在不一定必须要正常高的许多场合,GPS高程可以单独完成工程和科学任务,
如地面沉降监测、水面运输监控、防灾与地震监测等。其次,通过似大地水准面(高程异常)的确定,GPS测量的大地高可以转换成正常高,从而代替水准测量。然而,水准测量野外工作繁重,且容易引入人为误差和系统误差;水准测量基于视线测量,导线测量;而GPS测量基于超视线测量,是点测量。相对传统的几何水准,GPS高程测量不仅可节省经费,而且更重要的是高效率和实时性。GPS测量的大地高通过似大地水准面得到正常高,是高程测量方法的创新。GPS水准测量是指GPS测量的大地高,借助似大地水准面转换为正常高;所谓用GPS水准测量代替几何水准,并不是说完全不要水准,特别是精密水准,而是说它可以作为几何水准的替代,满足一定精度范围的应用需求。
随着测绘科学技术及相关技术的发展,区域大地水准面的研究将向确定分米级、厘米级精度和高分辨率大地水准面的方向发展。这是由于大地测量应用本身将迫切需要确定垂直分量(例如大地高和海拔高)方面长期存在的弱点,也是由于空间定位GPS技术、大地测量学和地球物理等诸多地学问题研究对重力场信息的需要。研究和确定大地水准面,不仅对大地测量学、地球物理学、石油地质勘探、地壳形变、地震学和空间科学具有重要的科学意义,而且对目前日益广泛用于测绘行业中由GPS水准法去精确获得。正高的研究具有重要的实用价值。
2. GPS水准模型
在一定的区域中,当测区中有一部分点(已测点)已用GPS定位技术求得其大地高及用常规水准测量的方法求得其正常高,则计算出这些已测点的高程异常。若测区中已测点的数量足够多且分布较为均匀,就可根据测区内这些已测点上的高程异常值构造某种区面来逼近似大地水准面,进而推算出测区中未进行水准联测的GPS点的高程异常,再反求出这些未测点的正常高,此即“几何法”GPS水准,其主要方法有:多项式法,多面函数法,BP神经网络法,其他方法如:移动曲面拟合法,样条插值法等。
2.1 多面函数法
Hardy教授提出的多面函数法的基本思想是:任何不规则连续曲面总可以用K个规则曲面的叠加来逼近。根据这一思想,高程异常函数可表示为
式中为待定系数;为核函数;未测点坐标,为已测点
坐标。核函数一般可取
式中称为平滑因子,为了得到较好的逼近效果,应作一定的试算后确定,一般可
取作零;b为一可供选择的非零实数,一般取1/2,即核函数为正双曲形。
2.3 BP神经网络结构及算法
人的大脑是自然界所造就的最高级产物。人的思维是由人脑来完成的,思维是人类智能的集中体现。人的思维主要概括为逻辑思维和形象思维两种。以规则为基础的知识系统可被认为是致力于模拟人的逻辑思维,而人工神经元网络则被认为是探索人的形象思维,前者由左脑主管,后者则由右脑主管。人工神经元网络是生理学上的真实人脑神经网络的结构和功能,以及若干基本特性的某种理论抽象、简化和模拟而构成的一种信息处理系统。从系统观点看,人工神经元网络是由大量神经元通过极其丰富和完善的联接而构成的自适应非线性动态系统。据现在的了解,大脑的学习过程就是神经元之间连接强度随外部激励信息做自适应变化的过程,大脑处理信息的结果确由神经元的状态表现出来。显然,神经元是信息处理系统的最小单元(即神经细胞)是由细胞体、树突、轴突和突触四部分组成。每个细胞都有一个细胞核在进行着呼吸和新陈代谢等许多生化过程。神经元的树突较短,支很多,是信息的输入端。轴突较长,是信息的输出端。突触是一个神经元与一个神经元相联系的特殊结构部位。树突和轴突一一对接,从而靠突触把众多神经元连成一个神经元网络。各神经元之间的连接强度和极性可以有所不同,且都可进行调整,因此,人脑才可以有存储信息的功能。
2.3.1 人工神经网络的特点
神经网络模型用于模拟人脑神经元活动的过程,其中包括对信息的加工、处理、存贮和搜索等过程,它具有如下基本特点:
1.神经网络具有分布式存贮信息和容错性的特点。它存贮信息的方式与传统的计算机的思维方式是不同的,一个信息不是存在一个地方,而是分布在不同的位置。网络的某一部分也不只存贮一个信息,它的信息是分布式存贮的。神经网络是用大量神经元之间的联结及对各联结权值的分布来表示特定的信息。因此,这种分布式存贮方式即使当局部网络受损时,仍具有能够恢复原来信息的优点。
2.神经网络对信息的处理及推理的过程具有并行的特点。每个神经元都
文档评论(0)