蚁群神经网络在GPS高程拟合中的应用研究.pdf

《蚁群神经网络在GPS高程拟合中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第44卷第6期矿山测量V‘JI．44N(1．62016年12月MINESURVEYINGDec．2016doi：10．3969／j．issn．1001—358X．2016．06．003蚁群神经网络在GPS高程拟合中的应用研究于国强．刘汝涛。徐韶(1．山东省圣达地理信息测绘有限公司，山东威海264200；2．山东科技大学测绘科学与工程学院，山东青岛266590)摘要：为了准确而快速的对GPS高程进行拟合，文中将蚁群算法与BP神经网络算法相结合，建立了一种针对GPS高程拟合的蚁群神经网络模型，并结合实际的测量控制网数据进行了

2、验证，结果表明：通过该模型计算得到的内符精度与外符精度较BP神经网络而言均有所提高，并且拟合效率更高；研究为后续工程测量提供了参考。关键词：蚁群算法；BP神经网络；高程拟合；参数寻优中图分类号：TD171文献标识码：A文章编号：1001—358X(2016)06—0010—04ApplicationofAntColonyNeuralNetworkinGPSHeightFittingYuGuoqiang，LiuRutao，XuShao(1．ShandongShengdaMappingGeographicInformatio

3、nEngineeringCompanyLimited，Weihai264200China；2．GeomaticsCollege，ShandongUniversityofScienceandTechnology，Qingdao266590，China)Abstract：InordertoaccuratelyandquicklymaketheGPSelevationfitting，thispaper，combiningtheantcolonyal—gorithmandBPneuralnetworkalgorithmfitti

4、ng，establishesanantcolonyneuralnetworkmodelforGPSheightfit—tingwhichisthenverifiedbytheactualmeasurementcontrolnetworkdata．TheresultsshowthattheaccuracyoftheinternalandexternalsymbolscalculatedbytheproposedmodelishigherthanthatoftheBPneuralnetwork，andthefittingef

5、iciencyishighertoo．Thestudyprovidesareferenceforthefollow—upprojects．Keywords：Antcolonyalgorithm；BPneuralnetwork；heightfitting；parameteroptimization近年来，GPS卫星定位技术以其自动化，高精度理能力及较高的容错性，擅长处理输入与输出元素以及全天候等优点，已被广泛应用到测绘领域，并取之间存在复杂非线性映射关系的问题，目前已经在得了较为优异的成果⋯。然而，GPS定位技术提供GPS

6、高程拟合领域得到了广泛的应用。但网络的高程，是参照于WGS一84椭球面的大地高，而不在训练时存在容易陷人局部极小值点以及收敛速度是以似大地水准面为基准的正常高，两者之间的差慢等缺点，从而严重影响了其在GPS高程拟合中的异即为高程异常，这就使得GPS高程无法直接应用应用及普及，为了解决上述问题，本文应用蚁群算法于我国的水准测量建设中。因此，在实际工程中应对神经网络的权值进行了优化，并充分发挥了两种用GPS技术获取高程数据时，将大地高转换为正常模型的优点，同时弥补了各自的不足，结合实际的丁高是非常有必要的。程算例进行了计算验

7、证，取得了理想的结果。目前，常用的高程拟合方法有二次曲面拟合法、1蚁群神经网络模型的构建重力模型法以及函数模型法等，上述常规方法是以统计学理论为基础的，因此需要数量足够多的拟1．1蚁群算法原理合样本，但样本数量通常是有限的，从而导致上述模蚁群算法从本质上来说，是一种通过模拟蚂蚁型无法获取最佳拟合参数，因此得到的拟合高程精群落的特征行为来进行优化选择的一类算法。蚁群度较低。BP神经网络具有较强的非线性数据处算法用于优化的机制主要包括：选择机制(路上蚂蚁引用格式：于国强，刘汝涛，徐韶．蚁群神经网络在GPS高程拟合中的应用研究

8、[J]．矿山测量，2016，44(6)：10—1310第6期于国强等：蚁群神经网络在GPS高程拟合中的应用研究群落留下的分泌物越多，该路径被选择的几率越P()大)、更新机制(路径上蚂蚁留下的分泌物会随着蚁1≤i≤m群的经过而不断增加，并且同时也会随着时间的推记录所有蚂蚁经过点的编号，保存在文件中。移逐渐挥发)、协调机