论文部分内容阅读
GPS全球定位系统(Navigation by Satellite Timing And Ranging Global Positioning System)具有精度高、功能多、操作简便、观测时间短、全天候等优点,在测绘领域得到了广泛的应用。 GPS观测数据经处理后,可得到两点间的基线向量及高精度的大地高差,如果已知一点的大地高,即可求得全网各点的大地高。大地高是以椭球面为基准的高程系统,而我国采用的是以似大地水准面为基准正常高系统,用户必须通过与国家高程控制网点的水准联测来传递和获得高程,将GPS定位所获得的大地高转换为我国所采用的正常高。目前,广泛采用的GPS高程转换方法是GPS水准拟合高程,采用教学模型拟合似大地水准面,总会存在一定的模型误差。 人工神经网络(ANN)是一门新兴交叉科学,它是生物神经系统的一种高度简化后的近似。ANN具有非线性映射能力和无模型估计的特征,是处理非线性映射问题的有效工具。使用神经网络技术转换GPS高程是一种自适应的映射方法,未作假设,理论上比较合理,通过对训练样本的有限次的训练,可以从训练样本中较好地获得函数映射关系,能避开未知因素的影响,减少模型误差,从而可以提高GPS高程的转换精度。 本文在分析了GPS高程转换原理和BP网络算法的基础上,设计出了GPS高程转换的三层前馈型BP网络,并结合实例进行了分析。