基于人工神经网络的GPS高程异常拟合方法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·论文研究的背景 | 第11-12页 |
| ·GPS高程转换方法概述 | 第12页 |
| ·国内外研究状况 | 第12-15页 |
| ·GPS高程转换现状 | 第12-14页 |
| ·GPS高程转换面临的主要问题 | 第14-15页 |
| ·本文的主要研究内容 | 第15-17页 |
| ·研究内容 | 第15-16页 |
| ·论文结构安排 | 第16-17页 |
| 第二章 GPS高程拟合方法 | 第17-32页 |
| ·GPS高程测量原理 | 第17-18页 |
| ·目前确定高程异常的几种主要方法 | 第18-20页 |
| ·几何解析方法 | 第19页 |
| ·物理大地测量方法 | 第19页 |
| ·神经网络方法 | 第19-20页 |
| ·GPS高程拟合方法简介 | 第20-31页 |
| ·等值线图示法 | 第20页 |
| ·加权平均法 | 第20-21页 |
| ·多面函数曲面拟合法 | 第21-22页 |
| ·二次曲面拟合法 | 第22-23页 |
| ·移动曲面法 | 第23-24页 |
| ·薄板小挠度变形模型拟合法 | 第24页 |
| ·样条函数法 | 第24-25页 |
| ·最小二乘配置法 | 第25-27页 |
| ·抗差拟合法 | 第27-29页 |
| ·克里格插值拟合法 | 第29页 |
| ·移去、拟合、恢复法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 人工神经网络的基本原理 | 第32-48页 |
| ·引言 | 第32-33页 |
| ·人工神经网络概述 | 第33-39页 |
| ·人工神经网络的发展史 | 第33页 |
| ·人工神经网络系统 | 第33-34页 |
| ·简化的神经元数学模型 | 第34-35页 |
| ·人工神经网络的学习规则 | 第35-38页 |
| ·人工神经网络的主要特点 | 第38-39页 |
| ·BP神经网络基本原理 | 第39-43页 |
| ·BP神经网络概述 | 第39页 |
| ·BP学习算法 | 第39-43页 |
| ·径向基神经网络基本原理 | 第43-47页 |
| ·径向基神经网络结构 | 第43-44页 |
| ·径向基函数 | 第44-45页 |
| ·径向基层的工作原理 | 第45-46页 |
| ·径向基网络的训练 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 GPS高程拟合的神经网络模型应用研究 | 第48-61页 |
| ·引言 | 第48页 |
| ·数据预处理 | 第48-49页 |
| ·拟合方法实验 | 第49-57页 |
| ·基于BP神经网络的GPS高程拟合 | 第49-52页 |
| ·测区重心化法与BP神经网络的组合方法 | 第52-54页 |
| ·基于RBF神经网络的高程拟合 | 第54-57页 |
| ·模型的选取原则(AIC) | 第57-60页 |
| ·AIC准则 | 第57-58页 |
| ·基于AIC准则的模型优选 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结及展望 | 第61-63页 |
| ·研究工作总结 | 第61页 |
| ·本文不足及展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录主要程序 | 第67-68页 |
