GPS高程转换为正常高的探讨

根据GPS高程测量的原理和方法,结合工作中的应用情况,探讨几种GPS高程异常模型,并对影响GPS测高精度的因素进行了分析,给出提高GPS高程拟合精度的方法．     

GPS水准拟合方法比较

主要介绍GPS水准拟合中的多项式拟合法和Shepard曲面拟合法的基本原理。以我国某地区(52 km×100km)的实测高程异常数据和GPS/水准数据为例,对多项式拟合模型的选取和Shepard曲面拟合法中拟合参数的确定等进行了讨论。     

一种基于信号模拟器的GPS接收机测试系统设计

提出了一种基于信号模拟器的GPS接收机测试系统,是一种实用性广、针对性强的GPS接收机测试系统,可以在很大程度上解决以上问题,对众多研究机构和接收机厂商有一定的参考价值。     

关于GPS水下定位的技术问题

传统的潜艇定位方式严重制约着其隐蔽性。本有针对性的提出了运用海洋GPS进行潜艇水下定位的必要性、可行性，以及具体实施方案和需要解决的问题。海洋GPS的运用可以使得潜艇快速、准确地获取艇位，进而提高潜艇的隐蔽性，增强其战斗力。     

基于二次曲面的周期拟合GPS高程模型的研究

为了改善GPS大地高向正常高转换的精度,提出了基于二次曲面的周期拟合解算GPS高程异常的新思路.首先用二次曲面函数拟合消除趋势项,然后通过离散傅立叶变换提取频率信息,从而可以获得各种不同周期函数,高程异常值可以通过各种不同周期的函数的叠加来获得,实际数据证明该方法不仅计算简单而且较常规的拟合模型有较好的应用价值.     

一种基于神经网络的曲线状况识别新方法

本文基于最小二乘回归参数估计、均方差统计特性对动态数据流进行趋势分析,并对分析所得二次数据进行曲线特征提取,以完全表现曲线特性。最后,利用BP神经网络自适应机制、通过训练、学习,达到对曲线进行分类、识别、预测等目的。     

一种基于粗糙集与BP神经网络集成的新方法

在分析了粗糙集理论和神经网络理论各自优势和存在问题的基础上,设计了将两者综合集成的新方法。该方法主要思想是利用粗糙集理论对神经网络待处理的数据进行属性约简,借此来简化神经网络的结构。利用该方法对航材的消耗进行预测,实验结果表明,该方法减少了训练次数并且预测效果比传统神经网络效果好。     

基于三维全卷积神经网络的高光谱图像分类

三维空间滤波能够同时利用光谱和空间信息提取图像中的光谱和空间特征,提高高光谱图像(hyperspectral image,HSI)的分类性能.本文提出了一种用于HSI分类的三维全卷积神经网络(3D Fully convolutional neural network,3D-FCNN)框架.该框架能够在不需要任何数据预处理及后处理的情况下有效地提取高光谱特征,实现对地物类型的分类.在Indian Pines高光谱数据集上进行的实验表明,与支持向量机、浅层神经网络及其他卷积神经网络算法相比,所提出的框架在总体分类能够有效提高高光谱图像的分类精度.     

基于神经网络的PMSM转子速度估算法

为了提高PMSM（永磁同步电机）控制性能和速度的观测精度,建立了PMSM在旋转坐标系下的数学模型,提出了基于神经网络的PMSM转子速度的估算法.仿真实验结果表明：系统能够稳定运行,在PMSM启动时可以提高速度观测精度,验证了所提出的基于神经网络的PMSM转子速度估算法的优越性.     

基于GA-BP神经网络控制的电热型流量调节阀

针对供暖系统在实际运用中为一个滞后过程,难以保证其供暖介质流量控制精度的问题,利用感温石蜡的热胀冷缩效应作为电热型流量调节阀执行结构的动力源,获取石蜡温度与流量之间的关系,提出基于遗传算法的BP神经网络（GA-BP）方法。首先获取供暖系统温度,通过电热器加热石蜡得到其温度变化量与流量,然后应用GA-BP神经网络方法,对流量进行预测。通过与3次B样条函数递推最小二乘法、BP神经网络法对流量的预测结果对比试验验证,预测值和真实值的最大绝对误差分别为0.19、0.35、0.87,且均能满足实际应用的控制周期。结果表明,GA-BP神经网络对流量的控制更为精确。     

基于蚁群算法的仿生模式识别神经网络构造方法

仿生模式识别神经网络（BPRNN）同传统BP、RBF神经网络相比具有更好的模式识别能力;训练样本库变更后网络的重新训练时间更小,但该网络构造过程中样本覆盖几何体参数的选择对网络识别率和复杂度有很大影响.本文通过引入蚁群算法来构造并优化网络参数,实验证明该算法法能较好的平衡网络性能和复杂度.     

BP神经网络计算法及其应用研究

研究了BP神经网络的算法,提出了权值、阈值调整的双动量算法和学习率调整的批处理半恢复自适应调整法,使网络总体收敛性较好,用所设软件计算了15种含氢原子共价键的键长。     

基于BP网络的发动机常见异响诊断

介绍了BP网络的结构和工作原理,建立了基于BP神经网络的发动机异响故障诊断系统,通过发动机异响现象与症状之间的训练样本验证了该系统的可行性.     

神经网络的滚动轴承故障诊断

文章通过旋转机械故障实验平台,采集旋转机械故障实验台轴承的3种工作状态分别是轴承正常、轴承内圈裂缝、轴承外圈裂缝的振动加速度信号．对信号进行零均值化处理后,选择频率成分幅值较大的频率进行信号重组,提取其时域量纲特征值,利用神经网络进行故障类型的识别;通过实验,取得了很好的诊断结果．     

基于BP神经网络的高校人力资源定量分析

分析了高校人力资源的特点,结合已有的人力资源评估模型,提出了用改进的BP神经网络的方法对高校人力资源进行定量分析的算法,为高校人力资源评估提供一定的理论支持和实践参考．     

基于模式匹配识别和神经网络的股指预测研究

股票市场是个非线性系统,由于受到多方面因素的影响,对于股指的预测一直是个难题。各种建模方法都有自身的缺点,如模式匹配识别系统过分依赖历史数据,缺乏自身变化。 BP神经网络容易陷入局部最优,而且训练时间较长。文章从模式匹配识别和BP神经网络相结合的角度来进行股票指数预测分析,预测系统克服了单一神经网络预测系统和单一模式匹配识别预测系统的各自缺点,能有效地预测股指。     

一种用于山区土壤重金属评估的集成RBF空间插值算法(英文)

提出了一种在山区能够准确、稳定地预测未采样点土壤重金属浓度的集成径向基函数神经网络空间插值方法(IRBFANNs).该方法集成径向基函数神经网络和神经网络集成技术的优点.为了研究所提IRBFANNs方法的性能,进行了3组不同采样密度条件下的实验.通过M n元素插值的均方根误差和分布估计图对IRBFANNs和其他6个插值方法进行了比较.实验结果表明:IRBFANNs方法在精确性和稳定性方面优于其他参评方法,且在采样密度稀疏条件下该方法能够提供细节较丰富的分布估计图.     

基于粒子群算法的BP神经网络优化在电站锅炉燃烧中应用研究

用BP神经网络对电站锅炉运行数据进行训练、测试,并在此基础上使用粒子群算法对已建立的锅炉BP神经网络模型做进一步优化。通过对网络预测输出值与实际值之间的比较,明确PSOBP可以更好地提升BP神经网络的泛化能力。     

基于模糊线素特征与神经网络相结合的手写体汉字识别

本文提出了一种基于模糊方向线索特征 (fuzzydirectionallineelementfeature,FDLEF)与人工神经网络 (artificialneuralnetworks,ANN)相结合的手写体汉字识别方法 (FDLEF -ANN) ,解决了单一FDLEF方法对相似字识别率低的问题 .这种方法分两级识别 ,先由FDLEF识别模块进行识别 ,将识别结果送至选择器 ,若识别结果不属于预定义的相似字集合簇 ,则该结果即为最终识别结果 ,否则 ,将其送至人工神经网络识别模块进行相似字的识别 .本方法既保留了原FDLEF方法的优点又提高了对相似字的识别率 ,FDLEF -ANN系统对相似字的识别率由 78 0 9%提高到 82 97% .     

基于人工神经网络BP算法的黄冈市房价预测

利用2003年至2010年黄冈市区人均地区生产总值、房地产开发投资、城镇居民人均住房使用面积等相关数据,根据人工神经网络BP算法,预测出2011年和2012年黄冈市区房价,与已经公布的这两年房价数据比较,符合预期误差范围。在此基础上,预测出2013年的房价,可以看出黄冈市区房价总体保持增长趋势,结合预测结果,给出合理化的解释。