基于深度BP神经网络的高程异常拟合转化研究

基于深度BP神经网络的高程异常拟合转化研究.pdf
针对GNSS高程转换研究中,大范围区域水准点资料获取困难,提出通过研究高低阶次模型高程异常拟合转化模拟研究GNSS高程转换.并基于深度学习理论,提出一种采用非线性Relu函数作为隐藏层激活函数,自适应矩估计Adam算法作为模型优化算法,L2正则化函数防止过拟合的深度BP神经网络用于拟合转化研究.实验结果表明:深度BP神经网络方法在平原、丘陵和山地三类地形区域内拟合残差均在厘米级,相比传统数学模型方法,在内外符合精度上,最高提高了53％和31％,为GNSS高程转换提供了一个新的思路和方法.
作者：黄子炎王庆宾冯进凯黄炎谭勖力
作者单位：信息工程大学,河南郑州450001
母体文献：第十六届国家安全地球物理专题研讨会论文集
会议名称：第十六届国家安全地球物理专题研讨会  
会议时间：2020年12月1日
会议地点：贵州铜仁
主办单位：中国地球物理学会,陕西省地球物理学会
语种：chi
分类号：TP2TP1
关键词：全球卫星导航系统  高程转换  深度BP神经网络  非线性Relu函数  自适应矩估计  L2正则化函数
在线出版日期：2021年4月27日
基金项目：
相似文献
相关博文

2024-12-3 20:13 上传 基于深度BP神经网络的高程异常拟合转化研究.pdf

文件大小:

1.07 MB

下载次数:

60

高速下载