摘要
针对GPS高程与正常高程的转换问题,给出了基于径向基函数(Radial Basis Function,RBF)神经网络的模型。该模型隐含层选用Gauss函数作为基函数,学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真,结果表明,用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播(Back-Propagation,BP)神经网络方法转换GPS高程的精度进行了比较,虽然两种方法的结果相近,但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见,RBF神经网络方法用于转换GPS高程是可行和有效的。
Authors introduced a radial basis function （RBF） neural network model, which was applied to convert GPS height to normal height. Gauss function was chosen as the radial basis function in the hidden layer of the model, while the network learning algorithm adopted automatic clustering and least square method. Through the RBF neural network＇s training and calculation of GPS testing data, the accuracy fitting method. RBF algorithm is much faster they have the same accuracy by comparison. of RBF algorithm is better than the back-propagation than that of the conicoid （BP） algorithm, though So the conversion of GPS height based on RBF neural network algorithm is feasible and effective.
出处
《中国公路学报》
EI
CAS
CSCD
北大核心
2006年第4期7-10,共4页
China Journal of Highway and Transport
基金
国家自然科学基金项目(40271091)
教育部高等学校博士学科点专项科研基金项目(20040613025)
教育部优秀教师计划项目(2003109)
关键词
道路工程
GPS高程
人工神经网络
径向基函数
road engineering
GPS height
artificial neural network
radial basis function
作者简介
李红连（1973-），男，重庆忠县人，工学博士研究生，E-mail：jdlh173@126．com。
