[发明专利]一种基于移动神经网络的高程异常拟合内插计算方法

摘要

本发明提供基于移动神经网络的高程异常拟合内插计算方法，包括构造BP神经网络模型，BP神经网络模型包括输入层、有神经元的隐含层和输出层，输入层每个元素通过权值矩阵和所述神经元相连；以离散GPS点位为中心，在似大地水准面格网数值模型中选取与该点的大地经度差和大地纬度差分别小于预定数目格网间距的格网结点的大地坐标和高程异常；利用选取预定数目格网结点的大地坐标和高程异常组成学习集样本，对神经网络进行训练，在网络性能指数达到预设极值时生成网络权值矩阵；在所述神经网络权值矩阵中，输入离散GPS点位的大地坐标，计算生成该点高程异常。本发明实施例的方法具有拟合内插计算高程异常精度高的优点。

主权项

一种基于移动神经网络的高程异常拟合内插计算方法，其特征在于，包括步骤：构造BP神经网络模型，其中，所述BP神经网络模型包括输入层、有神经元的隐含层和输出层，输入层的每个元素通过权值矩阵和所述神经元相连；以离散的GPS点位为中心，在似大地水准面格网数值模型中选取与该点的大地经度差和大地纬度差分别小于预定数目格网间距的格网结点的大地坐标和高程异常，其中，所述预定数目的似大地水准面格网结点以两个格网间距为条件选取获得；利用选取的预定数目格网结点的大地坐标和高程异常组成学习集样本，对神经网络进行训练，在网络性能指数达到预设极值时生成网络权值矩阵；在所述神经网络权值矩阵中，输入离散的GPS点位的大地坐标，拟合内插计算该点的高程异常；所述隐含层中每个神经元包含一个偏置值、一个累加器、一个传输函数和一个输出单元；所述输出层采用线性函数，所述隐含层采用对数‑S形函数如下式：所述输出层采用pureline函数；隐含层的神经元的单元个数设定为4个，2‑4‑1网络共有17个可调节参数，即12个权值和5个偏置值；进一步的，以离散的GPS点位为中心，按似大地水准面格网结点与该点的大地经度差和大地纬度差分别小于距离该点的预定数目为16；进一步的，设定离散的GPS点的大地坐标为(B,L),似大地水准面数值模型纬度格网间距为b，经度格网间距为l，则点位选取依据如下算法：或利用选取的预定数目格网结点的大地坐标和高程异常组成学习集样本，对神经网络进行训练，在网络性能指数达到预设极值时生成网络权值矩阵；输入与输出转换层主要是将输入输出的数据范围设定为：[0.1，0.9]。