基于稳健估计的神经网络高程拟合模型的研究-测绘工程专业论文.docxVIP

Research on Neural Network Elevation Fitting Model Based on Robust Estimation Dissertation Submitted to Hebei United University in partial fulfillment of the requirement for the degree of Master of Engineering by Liu Yuqing (Surveying and Mapping Engineering) Supervisor: Professor Wang Jinhua Gao Junhai March, 2015 独 创 性 说 明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的 地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含 为获得河北联合大学以外其他教育机构的学位或证书所使用过的材 料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了 明确的说明并表示了谢意。 论文作者签名：日期：2015 年 3 月 6 日 关于论文使用授权的说明 本人完全了解河北联合大学有关保留、使用学位论文的规定， 即：已获学位的研究生必须按学校规定提交学位论文，学校有权保 留、送交论文的复印件，允许论文被查阅和借阅；学校可以将学位论 文的全部或部分内容采用影印、缩印或编入有关数据库进行公开、检 索和交流。 作者和导师同意论文公开及网上交流的时间： □ 自授予学位之日起 □ 自 年 月 日起 作者签名： 导师签名： 签字日期：2015 年 3 月 6 日 签字日期：2015 年 3 月 6 日 摘要 摘 要 河北 河北联合大学硕士学位论文 摘 要 大地水准面的精化与高程转换是现代控制测量的基础内容，高程转换是实现测 绘信息资源共享和大地基准精化至关重要的环节。目前 GNSS 高程转换实际运用 的方法有重力测量法和传统的数值拟合逼近法。研究主要针对神经网络模型对高程 异常解算过程中的数学模型和解算精度展开了深入的分析。 针对大范围且地形差异较小的区域，提出了一种基于思维进化算法优化的抗差 BP 神经网络拟合模型。模型对于 BP 网络较弱的抗差性能和局部优化的特性，改 造了模型输入和优化权值及阈值的计算方法，完善了数学模型的抗差性。运用某测 区实测工程数据对优化后的模型进行了验算，验证了模型的可靠性。对于小范围测 区的高程异常拟合需求，提出了一种基于稳健估计的正则化 RBF 神经网络拟合模 型。在数据处理方法中稳健估计的思想下，模型针对 RBF 网络隐含层中心值选取 过程中的随机性进行了改造，提出“精度低，稳健权小，中心偏离输入越大”原 则，提高了模型的抗差性能，并以工程数据训练网络进行拟合测试，验证了其优越 性。 研究主要是从数学建模角度分析了模型的内外符合精度，得出相应的结论，对 数据自动化采集过程中误差多样性的观测数值高程拟合计算有一定的现实意义。但 是高程异常的拟合与地势特征、数据点采集的质量等因素都有影响，模型还需从实 用的角度进一步完善。 图 16 幅；表 10 个；参 60 篇。 关键词：高程拟合；稳健估计；BP 神经网络；正则化 RBF 神经网络 分类号：P2 - I - - - PAGE IV - - - PAGE III - Abstract The refining geoid and elevation transformation of control points are the basis content of modern control survey. It is the crucial link of elevation transformation for the data transferring and the benchmark elaboration in surveying and mapping. To transfer the GNSS height in the practical application, the gravity measurement method and the traditional numerical fitting method are used. It is carried out in-depth analysis, which is mainly aimed at the mathematical model and calculating precision in the process of calculat