摘要：基于小波神经网络对样本的学习可以准确地估计任何非线性的时间序列的优点,将其应用于GPS高程拟合,并与二次曲面模型进行了比较,试验结果表明,小波神经网络模型能够利用有限的样本信息获得最好的学习效果和泛化能力,其拟合精度优于常规二次曲面拟合方法。

摘要：为找出无人机实测数据高程转换拟合的方法,本文基于不同激活函数激活极限学习机模型得到ELMS、ELMR、ELMH3种模型,并将计算结果与广义回归神经网络模型和BP神经网络模型对比,结果表明:基于5种模型可对无人机实测高程数据的异常点进行筛选并剔除,3种ELM模型对于高程点的筛选结果基本一致,共筛选出了21个高程异常点,GRNN模型精度次之,BP神经网络模型精度最低,ELM模型在不同激活函数下的计算精度有所不同,其中ELMS模型在高程点剔除和高程数据拟合中精度最高,RMSE仅为0.157m,而Ens和R2分别达到了0.944和0.968,可为无人机实测数据高程转换拟合的标准模型使用。

摘要：GPS高程拟合在GPS数据处理分析中有着重要的意义。由于采用传统的数学模型进行高精度的拟合较为困难,而基因表达式程序设计方法吸取了遗传算法和基因编程两者的优点,在解决非线性拟合问题方面表现出非凡的数据挖掘能力与优势。为此,在基因表达式编程(GEP)理论分析的基础上,利用该方法建立了GPS高程拟合模型。实验表明,GEP用于GPS高程拟合是可行且有效的。

摘要：结合GPS控制网和三等精密水准网的对比试验,构建了GPS测高技术中高程拟合模型,据此对锦赤铁路三标段工程项目进行分析。实例中选取多项式曲面拟合方法,进行高程内插计算,并将拟合结果与水准测量结果进行对比,结果表明:GPS高程拟合的内、外符合精度完全满足铁路工程精度要求,精度可达到2～3cm。

摘要：经典的平差函数模型中只含有无先验统计信息的非随机参数,而针对附有随机参数的平差问题具有很大的局限性,为此在GPS高程拟合中,本文用最小二乘配置模型解决了这一问题,并且通过实际算例,设计两种最小二乘配置拟合方案与二次曲面拟合法进行了比较,结果表明,最小二乘配置拟合残差较小,外符合精度较高,高程拟合效果更好。

摘要：在风力发电场场址测量中,GPS定位测量技术可以得到高精度的平面位置和大地高差,但在实际应用中,地面点的高程常采用的是正常高高程系统,因此,需将GPS大地高转换成正常高。针对面积较大或地形变化比较复杂的GPS测区,灵活运用GPS高程拟合的方法和GPS水准方法进行施测,可以提高拟合精度,并通过实测数据,验证了该方法的有效性。

摘要：在已知水准点稀少的西部山区的铁路或公路勘测中 ,减少联测水准点的工作量具有重要意义。因此 ,本文给出了综合利用GPS点的高差和高程观测值拟合高程异常的方法 ,分析了几种线路高程拟合的特殊情况 ,并利用京沪高速铁路的GPS实测数据对本文的模型进行了验算 。

摘要：基于鄂北地区水资源配置工程的实测数据,采用EGM2008模型计算高程异常并用SRTM1模型进行地形改正,通过残差分析,发现残差具有极强的系统性和趋势性。将趋势项移除后,对残差进行拟合,最后提出适合于该区域的最佳模型,其外符合精度达到了1.01 cm。其中,100%的点高程精度可达到三等水准要求,52.9%的点高程精度可达到二等水准要求。

摘要：经典的平差函数模型中只含有无先验统计信息的非随机参数,而针对附有随机参数的平差问题具有很大的局限性。为此,在GPS高程拟合中,用最小二乘配置模型解决了这一问题,并且通过实际算例,设计两种最小二乘配置拟合方案与二次曲面拟合法进行了比较。结果表明,最小二乘配置拟合残差较小,外符合精度较高,高程拟合效果更好。

摘要：论文介绍利用三次样条函数进行GNSS高程拟合的原理和方法。以某公路改扩建工程一级GNSS控制网和四等水准网为例进行高程拟合研究。设计线性、二次曲线、三次曲线及三次样条4种函数模型作为高程拟合方案。结果表明,线性函数模型精度最低;二次、三次曲线函数模型精度相当;三次样条函数拟合精度最高,拟合中误差小于5cm,且拟合误差曲线平滑震荡较小,具有很好的适应性。