测绘通报 ›› 2013, Vol. 0 ›› Issue (9): 5-8.

• 学术研究 • 上一篇    下一篇

基于混沌粒子群优化神经网络的GPS高程拟合研究

杨尚波1,2,卢小平1,2,李珵1,2,庞星晨1,2,刘洋洋1,2   

  1. 1. 河南理工大学 矿山空间信息技术国家测绘地理信息局重点实验室;2. 矿山空间信息技术河南省重点实验室
  • 收稿日期:2013-03-13 出版日期:2013-09-25 发布日期:2013-09-25
  • 基金资助:

    2013年国家测绘科技计划项目;现代工程测量国家测绘地理信息局重点实验室开放课题(TJES1201);精密工程与工业测量国家测绘地理信息局重点实验室开放基金(PF2012-4)

GPS Elevation Fitting by Neural Network Based on Chaotic PSO Algorithm

  • Received:2013-03-13 Online:2013-09-25 Published:2013-09-25

摘要:

针对普通神经网络模型存在预测精度低等问题,采用粒子群优化神经网络权值和阈值的预测方法,建立基于该方法的BP神经网络高程异常拟合模型。为克服粒子群算法易陷入局部最优,提出并建立改进算法,即先用混沌变量初始化粒子位置,当出现早熟收敛时,对局部较优的部分粒子和全局极值采用混沌优化策略,从而提高了模型的训练精度。试验结果表明,该方法具有更好的准确性和稳定性。

关键词: 神经网络, 粒子群优化, 混沌变量, Logistic映射, 高程异常