王新志 祝明坤 曹 爽

基于广义回归神经网络的GPS高程转换*

王新志1)祝明坤2)曹 爽1)

为提高GPS高程转换的精度，采用广义回归神经网络(GRNN)进行拟合。将控制点的X、Y坐标作为网络输入，高程异常作为网络输出，采用实验数据训练网络，训练完成的网络作为模型进行高程异常预测。结果表明，GRNN方法具有较高的GPS转换精度。

广义回归神经网络;BP神经网络;大地高;高程异常;正常高

1 前言

GPS技术具有测量精度高、全天候、测站间无需通视等多优点，随着GPS技术的普及，使用GPS技术获取地面点的高程成为高程测量的重要手段。由GPS获取的高程数据是以参考椭球为基准的大地高，而实际应用中所采用的高程数据是通过几何水准测量获取的，以似大地水准面为基准的正常高，为了满足实际应用，需要解决GPS大地高向正常高的转换问题。似大地水准面与参考椭球面之间的差距称为高程异常，常用ξ表示，它与大地高H84和正常高Hr之间的关系为［1］：

根据测量点的高程异常及大地高即可求得该点的正常高，对于高程异常的估计有多种方法，常用的算法有：神经网络方法、曲面拟合方法、插值算法、考虑大地重力场的高程异常估计算法等［1］。神经网络方法根据GPS水准数据能较好地解决GPS大地高向正常高的转换问题，但是传统的BP算法易形成局部极小，使训练陷入瘫痪且收敛速度慢，使其应用受到一定限制，本文应用广义回归神经网络模型进行GPS高程转换，并利用数值试验讨论了该方法的有效性。……