基于神经网络的高程转换.pdf

基于神经网络的高程转换 1 2 3 张力仁 ，臧秀阳 ，刘硕 1 辽宁工程技术大学测绘与地理科学学院，辽宁阜新 (123000) 2 中铁十九局集团第五有限工程公司，辽宁大连 (116110) 3 昆明理工大学国土资源工程学院，昆明 (650093) E-mail： zhanglirenleon@163.com 摘 要：GPS 测量所提供的高程为相对于WGS-84 椭球的GPS 大地高，而我国使用的是正 常高。大地高等于正常高与高程异常之和，要使GPS 高程在实际工程中得到应用，就必须 先求出高程异常，进而获得正常高。本文提出一种改进了的 BP 网拓扑结构和算法来转换 GPS 高程为正高或正常高，并用GPS 的实际测量数据的样本作了计算和分析。 关键词：神经网络；GPS 高程；正常高；高程转换 中图分类号：P2 测绘学 1．引言 GPS 定位技术自问世以来，以其精度高，速度快，操作简便等诸多优点受到测绘界的 广泛关注。国内外大量的实践表明，利用 GPS 进行平面相对定位的精度能够达到 ±(0. 1～ -6 1) mm ×10 D 甚至更高。但是，GPS 测量经过平差处理，所得到的高程是相对于 WGS-84 椭球的大地高 HGPS ，它是一个几何量，除了个别特殊用途外，没有物理上的意义，而在实 际工程应用中使用的是水准高(正常高)，因此 ,在工程应用中将大地高 HGPS 转换为水准高程 H0 要考虑两者之间的差值高程异常 ξ。 当前，工程上和一些 GPS 数据处理的软件多采用 GPS 水准，并使用二次曲面拟合法 (Conicoid Fitting Method 简称 CFM)或神经网络模拟法(Neural Networks Method 简称 NNM) 进行数据处理。 本文主要讨论用神经网络方法来转换 GPS 高程。而基于神经网络来转换 GPS 高程是一 种自适应的映射方法，没作假设，理论上比较合理，能避免未知因素的影响，减少模型误差。 通过对工程的实例的样本进行归一化处理，用不同的方法(如二次多项式曲面拟合法)进行高 程转换，进而对比分析两者的精度，进行方案的可行性研究和探讨。试验表明，在较大范围 内，神经网络方法的精度优于二次多项式曲面拟合法，对于已知水准点较少的地区，该方法 也能获得较满意的结果。 2 ．GPS高程与神经网络 2.1 GPS 高程概述 由GPS 相对定位得到的三维基线向量，通过 GPS 网平差，可以得到高精度的大地高差。 如果网中有一点或多点具有精确的 WGS-84 大地坐标系的大地高程，则在 GPS 网平差后， 可求得各 GPS 点的 WGS-84 大地高 HGPS 。 在实际应用中，由于大地水准面起算的正高无法精确算出，故地面点的高程常采用正常 高系统。地面点的正常高 H0 是地面点沿铅垂线至似大地水准面的距离，似大地水准面与大 地水准面十分接近。二者在海平面处重合，在平原地区相差甚微，在高山、深海地区最大相 差也不过 4m 。 图 1 所示大地高与正常高之间的关系，其中，ξ表示似大地水准面至椭球面间的高差， 叫做高程异常。显然，如果知道了各 GPS 点的高程异常 ξ值，则不难由各 GPS 点的大地高 - 1 - H 求得各 GPS 点的正常高 H 值。如果同时知道了各 GPS 点的大地高 H 和正常高 H ， GPS 0 GPS 0 [1] 则可求得各点的高程异