利用Kmeans-RBF神经网络提高重力格网化数据精度          下载免费PDF全文

黄子炎  王庆宾  李锁柱  李亮  冯进凯 《海洋测绘》2021,(4):43-47

针对重力测量数据在格网化过程中精度会被降低的问题,顾及空间重力异常和地形的强相关性,提出了三维Kmeans-RBF神经网络方法,该方法利用神经网络的复杂非线性映射学习能力进行推估建模,并在模型训练和推估时加入地形数据作为物理控制。最后基于美国爱达荷州地区的实测重力数据进行验证,实验结果表明:该方法相对于二维Kmeans-RBF神经网络方法和直接进行拟合推估的Kriging方法,实验区内精度分别提高了24.85%和44.84%。  相似文献