| 基于深度BP/ELMAN神经网络的山区GNSS高程转换精度分析 |
| |
| 引用本文： | 魏德宏,禤键毫,杨嘉伟,张兴福,余旭.基于深度BP/ELMAN神经网络的山区GNSS高程转换精度分析[J].测绘通报,2023(9):113-116+143. |
| |
| 作者姓名： | 魏德宏 禤键毫 杨嘉伟 张兴福 余旭 |
| |
| 作者单位： | 1. 广东工业大学测绘工程系;2. 同济大学测绘与地理信息学院;3. 临沂市自然资源和规划局 |
| |
| 基金项目： | 国家自然科学基金(42074003)； |
| |
| 摘 要： | 将GNSS测量的大地高以较高精度转换为工程所需的正常高具有重要的实用价值。本文利用GSVS2017项目高精度的GNSS水准数据，分析了深度BP/ELMAN神经网络、广义回归神经网络(GRNN)、径向基函数神经网络(RBFNN)、支持向量机回归(SVR)、二次曲线拟合和曲面拟合等方法用于GNSS高程转换的精度。试验结果表明：(1)在训练点间距为50、30、15、10、5 km时，采用隐含层激励函数为ReLU的深度BP/ELMAN神经网络，其精度比GRNN、RBFNN、SVR、二次曲线拟合和曲面拟合方法高；(2)利用隐含层激励函数为ReLU的深度BP/ELMAN神经网络进行GNSS高程转换，5种训练点间距均可使90%以上检核点间的高差满足四等水准测量精度，75%以上满足三等水准测量精度要求，训练点间距为5 km时，55%以上的高差可达到二等水准测量精度要求。
|
| 关 键 词： | 深度学习 神经网络 GNSS高程转换 精度分析 |
|
|
