简介:随着全球卫星导航系统(GNSS)的发展,其全天候,成本低,省时的优势迅速获得测绘工作者的青睐,在工程领域得到了广泛的应用。相较于平面控制测量的高精度,GNSS应用于高程测量,其精度还有待于提高,对此国内外学者做了大量的研究。由于GNSS高程测量所获得是以参考椭球面为基准的大地高,与正常高存在着高程异常,因此需采用高程拟合的方法将GNSS高程测量所获得的大地高转换为正常高。
简介:摘要:全球导航卫星系统(GNSS)是一种高度精确、连续、全天候和近实时微波技术,其中GPS的应用最为广泛,目前GPS已经能够达到毫米级的平面坐标定位精度,这种优势能够大大缩减人工测量的时间,提高效率,但是由于GPS所测高程和我国工程测量中使用的高程基准面不同使得GPS高程测量值的应用受到限制。针对将GPS高程测量值通过拟合方法转换为工程坐标下的正常高的研究有着广泛的实用价值。本文采用目前流行的BP神经网络法对测区范围内GPS所测得的大地高数据进行拟合,基于GPS测量得到已知点坐标和高程异常,建立两者之间的神经网络关系,并对网络进行训练,根据预测值和实际值之间的差异对网络中的权值和阈值进行重复计算修改,最后使得预测与实际值之间的误差满足要求,计算外符合精度并对未知点的高程异常值进行预测。通过MATLAB实现BP神经网络高程拟合并与多项式曲面拟合方法进行精度比较,最后得出BP神经网络拟合精度高且相比于多项式曲面拟合法具有准确性,可靠性和稳定性。