基于粒子群优化算法的LS-SVM的GPS高程拟合.PDF

３６ ２ Ｖｏｌ３６Ｎｏ２ 第 卷 第 期 桂 林 理 工 大 学 学 报 ２０１６ ５ ＪｏｕｒｎａｌｏｆＧｕｉｌｉｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ Ｍａｙ　２０１６ 年 月  文章编号：１６７４－９０５７（２０１６）０２－０３００－０４　　　　　 ｄｏｉ：１０３９６９／ｊ．ｉｓｓｎ１６７４－９０５７２０１６０２０１７ ＬＳＳＶＭ ＧＰＳ 基于粒子群优化算法的 的 高程拟合 　 ， ， ， 　 ， 高 红 文鸿雁 聂光裕 杨 志 韩亚坤 （ ａ ；ｂ ； 桂林理工大学 广西空间信息与测绘重点实验室 测绘地理信息学院 ｃ ， ５４１００４） 广西矿冶与环境科学实验中心 广西 桂林 　 ： ＧＰＳ ， 、 、 ， 摘 要 在 高程拟合中 传统拟合方法存在多数据 过学习 泛化能力弱等缺点 导致拟合结果精度 ， ＬＳＳＶＭ 。 ＬＳＳＶＭ ， 欠缺 为此提出了 拟合模型 利用粒子群算法对 模型的初始参数进行了优化 通过实测 。 ， ＬＳＳＶＭ 数据对该模型进行了分析 实验结果表明 基于粒子群算法优化的 模型较传统单一的二次曲面拟 合法、ＢＰ神经网络、ＬＳＳＶＭ等模型拟合精度高。 ： ；ＬＳＳＶＭ；ＢＰ ； ； 关键词 粒子群优化算法 神经网络 二次曲面拟合法 高程拟合 中图分类号：Ｐ２２８４；Ｐ２２４　 　　　　　 　　　　　文献标志码：Ａ ，ＧＰＳ ， 当今 的发展非常迅速 引出了一个重要 １　拟合模型 “ＧＰＳ ”， 的学科问题 高程拟合 而在一般的施工过 ， （ ） １１　ＬＳＳＶＭ回归预测原理 程中 除了少数的一些工程 如变形监测等 采用 Ｓｕｙｋｅｎｓ Ｖａｎｄｅｗａｌｂ １９９９ 和 在 年提出了最小二 ， 大地高系统 大多数情况下需要的是测站点的正 ［５－６］ ｈ Ｈ。 ， ｈ， 乘支持向量机 ，其主要思想就是在最基本的支 常高 而不是大地高 然而 要得到正常高 ， ， Ｈ