[发明专利]一种高程异常值计算方法

权利要求书

1.一种高程异常值计算方法，其特征在于，包括：

S1：获取目标区域内多个GPS水准联测点的高程异常值，采用二次曲面法对获取的数据进行预拟合，取三倍中误差为限差，剔除粗差；

S2：对S1剔除粗差后的N个GPS水准联测点的高程异常值采用二次多项式进行拟合：

ξ(x，y)＝a₀+a₁x+a₂y+a₃x²+a₄xy+a₅y²

其中ξ(x，y)为在平面坐标(x，y)处的高程异常值；a₀，a₁，...，a₅为拟合系数；n＝1，2，…，N；

S3：利用S2得到的二次多项式模型，计算N个GPS水准联测点的高程异常计算值计算拟合残差：

S4：构建小波神经网络，所述小波神经网络的输入为平面坐标(X，Y)和高程异常计算值ξ¹，输出为残差△ξ；

将N个GPS水准联测点的平面坐标(x_n，y_n)和高程异常计算值的归一化值作为输入，△ξ_n进行归一化后的值作为输出，对小波神经网络进行训练，得到高程异常残差模型；

S5：对目标区域内平面坐标为(x_t，y_t)的待测地，根据S2拟合的二次多项式模型计算高程异常计算值ξ_t；将(x_t，y_t)和ξ_t归一化后输入S4训练好的高程异常残差模型中，得到待测地归一化残差，进行反归一化后得到残差△ξ_t，则待测地的高程异常值为：

2.根据权利要求1所述的高程异常值计算方法，其特征在于，所述步骤S2中采用最小二乘法确定拟合系数a₀，a₁，...，a₅。

3.根据权利要求1所述的高程异常值计算方法，其特征在于，所述步骤S4建立的小波神经网络包括依次连接的输入层、隐含层和输出层；

所述输入层包含3个输入单元，所述隐含层包含15个隐含单元，所述输出层包含1个输出单元；

所述隐含层的激活函数为小波基函数，隐含层的权值为小波基函数的平移因子，隐含层的阈值为小波基函数的伸缩因子。

4.根据权利要求3所述的高程异常值计算方法，其特征在于，所述小波基函数为Morlet小波，表达式为：

5.根据权利要求1所述的高程异常值计算方法，其特征在于，所述步骤S4采用误差反向传播的梯度下降法对小波神经网络进行训练，得到高程异常残差模型。