基于DEBP的GPS高程拟合  

The GPS Height Fitting Based on Differential Evolution BP Neural Network

作　　者：杨敏[1,2] 李瑞霞[1,3] 汪云甲[1,2] 

机构地区：[1]中国矿业大学环境与测绘学院,江苏徐州221008 [2]江苏省资源环境信息工程重点实验室,江苏徐州221008 [3]太原理工大学阳泉学院,山西阳泉045000

出　　处：《测绘通报》2008年第12期4-7,10,共5页Bulletin of Surveying and Mapping

基　　金：国家自然科学基金资助项目(5081120111;50774080);教育部全国优秀博士学位论文作者专项资金资助项目(200348);中国矿业大学青年科研基金资助项目(2007A033)

摘　　要：针对误差反向传播(BP)算法训练速度慢和易于陷入局部最小值的缺点,利用差分进化算法(DE)的全局寻优性,结合DE和BP的各自优点,分析和建立进化神经网络(DEBP)模型,并将该模型应用于GPS高程拟合。最后以实例数据,进行BP,DE及DEBP模型的对比实验,结果表明,该模型有效克服了传统模型的不足,在收敛速度、预测精度及稳定性等方面均明显提高。

关 键 词：GPS高程拟合 高程异常 差分进化算法 差分进化神经网络 

分 类 号：P228[天文地球—大地测量学与测量工程]