基于BP神经网络的GPS高程模型研究与应用

冯树清等

摘 要：（本文原刊于《煤矿开采》2014年5月）传统的拟合模型含有模型误差，而神经网络是一种自适应的映射方法，避开了未知因素的影响，减小了模型误差，提高了GPS高程模型的转换精度，本文选用了神经网络中最常用的一种算法BP算法做了几类方案，给出了合理的建议。

关键词：神经网络；GPS高程模型；训练样本

1 引言

BP神经网络算法是一种反向传播学习算法，把学习的结果反馈到中间层次的隐单元，改变它们的权系矩阵，从而达到预期的学习目的，它是一种自适应的映射方法，没做假设，能减少模型误差，它是迄今为止应用最广泛的神经网络。（本文原刊于《煤矿开采》2014年5月）

2 BP神经网络算法

BP神经网络算法包括两个方面：信号的前向传播和误差的反向传播。即计算实际输出时按从输入到输出的方向进行，而权值和阈值的修正从输出到输入的方向进行，其网络模型如图2-1所示。

3 GPS水准精度评定标准

⑴ 内符合精度

根据参与拟合计算已知点的与拟合值，用求拟合残差。按照下式求GPS水准拟合的内符合精度： 其中n为参考点的个数，t为未知数的个数。它是GPS水准的模型本身精度。

⑵ 外符合精度

根据检核点的与拟合值，用求拟合残差，按照下式计算GPS水准拟合的外符合精度：，其中n为检核点的个数。外符合精度是用来评定该模型来进行GPS高程转换时所能达到的经度，是评定模型好坏的重要标准。

4 实例应用

本算例使用的数据是某矿区D级GPS高程控制网数据，共布设了36个GPS控制点，并实施了四等水准。采用三层式神经网络，隐含层确定由于没有固定的方法，根据经验，一般在5—7个为最好，本试验分别采用5个隐含层，6个隐含层和7个隐含层对数据进行训练，

5 结论

（1）BP网络法用于求高程异常是一种可行的方法，并且有较高的精度。

（2）在同一样本集进行训练时，训练的次数越多，相应的外符合精度越高，但达到一定的训练次数时，训练的外符合精度反倒不好。

（3）在不同样本集中，样本集越多，网络的智力越高，对工作集的拟合效果越好，外符合精度相应也越高。（本文原刊于《煤矿开采》2014年5月）

参考文献

[1] 孔祥元，梅是义.控制测量学[M].武汉：武汉大学出版社，2004

[2] 闻新，周露，李翔.MATLAB神经网路仿真与应用[M].北京：科学出版社，2003.

[3] 韩力群.人工神经网络教程[M].北京：北京邮电大学出版社2006.

[4] 阎平凡，张长水.人工神经网络与模拟进化计算[M].北京：清华大学出版社，2005.

[5] 匡翠林.高精度GPS水准算法研究及其应用[D].中南大学，2004

[8] 杨永平，冯立清，兰孝奇；神经网络法在GPS高程拟合中的应用[J].三晋测绘，2004（1）：11-15

[9] 王剑，张书毕.MATLAB工具箱在测绘数据处理中的应用[J].四川测绘，2006（3）：17-20

[10] 何勇军，沈秋.土石坝渗流的自学习神经网络模型[J].水利水电技术，2002，33（2）：26-29.

作者简介

冯树清（1969-），男，籍貫：内蒙古开鲁县人，工程师，现任中电投白音华煤电公司矿业分公司生产矿长， 1991年7月毕业于山东建筑材料工业学院工程测量专业。