高 红, 文鸿雁, 聂光裕, 杨 志, 韩亚坤
(桂林理工大学 a.广西空间信息与测绘重点实验室;b.测绘地理信息学院;c.广西矿冶与环境科学实验中心, 广西 桂林 541004)
基于粒子群优化算法的LS-SVM的GPS高程拟合
高红, 文鸿雁, 聂光裕, 杨志, 韩亚坤
(桂林理工大学 a.广西空间信息与测绘重点实验室;b.测绘地理信息学院;c.广西矿冶与环境科学实验中心, 广西 桂林 541004)
摘要:在GPS高程拟合中,传统拟合方法存在多数据、过学习、泛化能力弱等缺点,导致拟合结果精度欠缺,为此提出了LS-SVM拟合模型。利用粒子群算法对LS-SVM模型的初始参数进行了优化,通过实测数据对该模型进行了分析。实验结果表明,基于粒子群算法优化的LS-SVM模型较传统单一的二次曲面拟合法、BP神经网络、LS-SVM等模型拟合精度高。
关键词:粒子群优化算法;LS-SVM;BP神经网络;二次曲面拟合法;高程拟合
当今, GPS的发展非常迅速, 引出了一个重要的学科问题“GPS高程拟合”, 而在一般的施工过程中, 除了少数的一些工程(如变形监测等)采用大地高系统,大多数情况下需要的是测站点的正常高h而不是大地高H。然而, 要得到正常高h, 需要将大地高H通过一定的模型转换成正常高h[1]。目前最常用的模型有Kriging插值法、支持向量机、BP神经网络法、基于总体最小二乘曲面拟合等方法[2]。而对于大范围且较为复杂的测区, 其拟合出的精度难以达到要求, Kriging插值法、BP神经网络拟合有着较高的精度, 但是两者有一个共同的前提, 就是都需要较多的样本数据, 且BP神经网络容易出现局部最优、过学习等弊端[3-4]。……