基于AIC准则的RBF神经网络在GPS高程拟合中的应用RBF neural network application in GPS height fitting based on AIC criterion
任超,吴伟,黄征凯,焦元元
摘要(Abstract)：
本文采用AIC准则优化RBF神经网络参数的方法进行GPS高程拟合,在建立网络模型过程中,对不同的聚类半径由最近邻聚类法求出不同类别的聚类数目及相应的聚类中心和初始扩展常数,通过对不同类别分别进行调整扩展常数的网络训练,求出其最小AIC值,再根据AIC准则确定结构最优的RBF网络模型。实验结果表明:这种方法为确定最优RBF网络模型的隐节点数目及相应参数提供了途径;拟合精度较高,在较平坦测区可以替代三等水准测量。
关键词(KeyWords)： 赤池信息量准则(AIC);RBF神经网络;GPS高程拟合;拟合精度
基金项目(Foundation): 国家自然科学基金项目(41071294);; 广西自然科学基金资助项目(桂科自0640178);; 广西科学基金资助项目(桂科基0991023)
作者(Author): 任超,吴伟,黄征凯,焦元元
DOI: 10.16251/j.cnki.1009-2307.2013.02.040
参考文献(References)：
- [1]黄磊,张书毕,王亮亮,张秋昭.粒子群最小二乘支持向量机在GPS高程拟合中的应用[J].测绘科学,2010,35(5):190-192.
- [2]Fotopoulos Georgia,Kotsakis,ChristoPher,etc.How ac-curately can we determine orthometric heights from GPSand geoiddata[J].2003,129(l):1-10.
- [3]曹先革.基于人工神经网络的GPS高程异常拟合方法研究[D].武汉:中国地质大学,2008.
- [4]Hu Wusheng and Sha Yuejin.Converting GPS height by anew method based on neural networks[J].Journal ofSouth-east University,2003,19(1):53-57.
- [5]胡伍生.神经网络理论及其工程应用[M].北京:测绘出版社,2006.
- [6]侯东阳,张书毕.基于平面拟合和BP神经网络组合法的GPS高程转换[J].大地测量与地球动力学,2010,30(6):91-94.
- [7]王继刚,胡永辉,孔令杰.基于最小二乘支持向量机的区域GPS高程转换组合[J].大地测量与地球动力学,2009(10):100-102.
- [8]Kavzoglu T,SakaM H.Modeling localGPS/leveling geoidundulations using artificial neural networks[J].Journal ofGeodesy,2004,78(9):520-527.
- [9]杨明清,靳蕃,朱达成,陈现春.用神经网络方法转换GPS高程[J].测绘学报,1999(11).
- [10]秦宣云,卜英勇,夏毅敏.基于AIC准则优化的径向神经网络微地形曲面重构[J].中南大学学报(自然科学版),2004(10):815-819.
- [11]秦永宽,黄声享,张书毕.利用MATLAB神经网络实现GPS高程转换设计[J].海洋测绘,2008(5).
- [12]刘永,张立毅.BP和RBF神经网络的实现及其性能比较[J].电子测量技术,2007(4):77-80.
- [13]Erhard Rank.Application of Bayesian trained RBF net-works to nonlinear time-series modeling[J].Signal Pro-cessing,2003,83:1393-1410.
- [14]Eleni Aggelogiannaki,Haralambos Sarimveis.Nonlinearmodel predictive control for distributed parameter systemsusing data driven artificial neural network models[J].Computers and Chemical Engineering,2008,32:1225-1237.
- [15]李刚,万幼川.基于高维云模型和RBF神经网络的遥感影像不确定性分类方法[J].测绘科学,2012,37(1).