地球物理学进展
地毬物理學進展
지구물이학진전
PROGRESS IN GEOPHYSICS
2011年
3期
819-823
,共5页
径向基神经网络%高程异常%Voronoi图%义交叉验证
徑嚮基神經網絡%高程異常%Voronoi圖%義交扠驗證
경향기신경망락%고정이상%Voronoi도%의교차험증
通过对离散GPS/水准点观测数据进行拟合从而获得区域内任意一点的高程异常是工程实践中经常遇到的问题.本文将径向基函数(RBF)神经网络方法应用于GPS/水准高程异常拟合,提出了一种新型网络学习方法.该方法首先通过对GPS/水准数据点进行Delaunay三角剖分,以其对偶Voronoi图的节点来构造选择基函数中心,再通过广义交叉验证(GCV)来最优确定基函数的宽度参数,最后利用最小二乘来确定RBF的输出权值,从而优化网络学习效果.实验结果表明,该学习方法取得良好的网络性能,和其它常用拟合方法的比较结果也反映出RBF神经网络适合应用于GPS/水准高程异常拟合.
通過對離散GPS/水準點觀測數據進行擬閤從而穫得區域內任意一點的高程異常是工程實踐中經常遇到的問題.本文將徑嚮基函數(RBF)神經網絡方法應用于GPS/水準高程異常擬閤,提齣瞭一種新型網絡學習方法.該方法首先通過對GPS/水準數據點進行Delaunay三角剖分,以其對偶Voronoi圖的節點來構造選擇基函數中心,再通過廣義交扠驗證(GCV)來最優確定基函數的寬度參數,最後利用最小二乘來確定RBF的輸齣權值,從而優化網絡學習效果.實驗結果錶明,該學習方法取得良好的網絡性能,和其它常用擬閤方法的比較結果也反映齣RBF神經網絡適閤應用于GPS/水準高程異常擬閤.
통과대리산GPS/수준점관측수거진행의합종이획득구역내임의일점적고정이상시공정실천중경상우도적문제.본문장경향기함수(RBF)신경망락방법응용우GPS/수준고정이상의합,제출료일충신형망락학습방법.해방법수선통과대GPS/수준수거점진행Delaunay삼각부분,이기대우Voronoi도적절점래구조선택기함수중심,재통과엄의교차험증(GCV)래최우학정기함수적관도삼수,최후이용최소이승래학정RBF적수출권치,종이우화망락학습효과.실험결과표명,해학습방법취득량호적망락성능,화기타상용의합방법적비교결과야반영출RBF신경망락괄합응용우GPS/수준고정이상의합.
