BP神经网络在局部似大地水准面精化的应用.pdfVIP

维普资讯 BP神经网络在局部 似大地水准面精化的应用 李爱国 ，王 卫。，徐永胜 (1．河南理工大学测绘学院，河南焦作 ，454000；2．长安大学地测学院，陕西西安，710054； 3．宁波国土测绘院，浙江宁波 ，315012；4．长安大学测绘新技术研究院，陕西西安，710054) 摘 要 ：针对 高程拟合 中的模型误差问题 ，采用BP神经 网络方法进行拟合 ，可以减 小模 型误差，提 高似大地水准面的精化精度。在焦作市局部似大地水准面精化算例 中，BP神经 网 络高程拟合取得 了良好的效果。 关键字 ：神经 网络 ；似大地水准面精化 ；正常高；大地高 中图分类号 ：P224 文献标志码 ：A 文章编 号2008)03～0029—03 网络学 习算法 ，实现了 Minsky的多层 网络设想。 1 日U 舌 BP网络学习算法也称为反 向传播算法，它通过误 随着测绘科学技术及相关技术 的发展，局部 差反 向传播来调整权阵。BP神经网络是一个多层 (区域)大地水准面 的研究将 向确定分米级 、厘米 前馈型神经网络 ，该 网络 由输入层、隐含层和输 出 级精度和高分辨率大地水准面 的方 向发展。这是 层组成 ，隐含层可 以为单层或者多层 ，同层神经元 由于大地测量应用本身将 迫切需要克服确定垂直 之间相互独立 。 分量 (例如大地高和海拔高)方面长期存在 的弱 设神经网络的输入向量为 x一[X ，…，X ] ， 点，也是 GPS定位技术、大地测量学和地球物理等 期望输 出为 d一[ ，…，d，] ，输入层与隐含层 的 诸多地学问题研究对重力场信息的需要。目前，我 权为w ，其维数为 ×s，阈值为9，维数为 s×1，隐 国高精度局部似大地水准面精化工作正在部分省、 含层与输 出层 的权为 w ，其维数为 S× ，阈值为 市 (海南省、江苏省、河北省 、青岛市、深圳市、无锡 9。，维数为 ×l，其 中 、5和 分别为输入层 、隐 市等)和区域地区(塔里木盆地 、柴达木盆地 、吐哈 含层和输 出层 的神经元节点数。神经 网络的正向 盆地、陕甘宁盆地等)展开。确定测区似大地水准 传输的计算过程如下 ]： 面理论可以采用地球重力场模型或司托克斯公式 ， 隐含层的输出计算公式为 但是由于这些模型要求的条件较高，在某些地区可 I一W X+9 (1) 能很难实现[1]。 目前常用的方法有多项式 曲面拟 Y一．厂1(J) (2) 合、最小二乘配置等方法。BP神经网络是一种非 其 中，厂1(·)为输入层与隐含层 的传递 函数，I厂l 线性系统 ，可以任意精度逼近连续 函数 ，它在各个 (·)通常为 Sigmoid函数 。同理可 以得到输出层 领域得到广泛的应用。对于高程拟合 ，许多学者已 的输 出。 经对神经网络拟合高程进行了研究l[1]。因此 ，本 传统BP神经 网络通常采用误差反 向传播算 文采用 BP神经网络对焦作地 区的局部似大地水 法调整连接权。神经 网络的 目标函数为 准面进行精化。 N m E一丢∑∑(一()) (3) 2 BP神经网络理论