神经网络初始条件对似大地水准面拟合结果的影响

宋 雷，胡伍生，丁 超

(1．东南大学交通学院，江苏 南京210096;2．山东交通学院土木工程学院，山东 济南250357)

一、引 言

在组合法确定高精度、高分辨率似大地水准面的过程中，是将利用重力数据计算的高分辨率重力似大地水准面拟合到高精度但分辨率较低的GPS/水准似大地水准面上，形成即具有高精度又具有高分辨率的可应用模型[1-2]。将重力似大地水准面拟合到GPS/水准似大地水准面的方法主要有多项式拟合法、最小二乘配置法等[3-6]。人工神经网络属于自适应非线性动力学系统，研究已表明两层网络在隐含层和输出层选择合适传输函数的情况下，只要隐含层有足够的神经元，几乎可以以任意精度逼近任何感兴趣的函数。在测绘领域，神经网络方法在似大地水准面拟合等方面已有研究，并取得较好的结果[7-8]。但BP神经网络方法存在结果受初始权值和学习集样本子样次序的影响而不稳定的缺点，神经网络初始条件对似大地水准面拟合结果的影响还需进行研究。

本文利用Matlab的BP神经网络工具箱中的BP神经网络仿真程序构造BP神经网络模型，并依据区域实例对BP神经网络的初始权值的设置和学习集样本次序对拟合结果的影响进行研究，进而得出相关结论。

二、基本原理与方法

1．BP神经网络模型的结构

常用的BP神经网络包括3层结构，分别为输入层、隐含层和输出层。隐含层是可以并行操作的神经元的集合，隐含层中每个神经元包含一个偏置值、一个累加器、一个传输函数和一个输出，输入向量的每个元素通过权值矩阵和神经元相连。……