本文關(guān)鍵詞： 人工智能 坐標(biāo)系統(tǒng)轉(zhuǎn)換 坐標(biāo)變換　出處：《中國地質(zhì)大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：全球衛(wèi)星導(dǎo)航系統(tǒng)(GNSS)已經(jīng)廣泛應(yīng)用于地理空間科學(xué)及其相關(guān)的大地測量研究中。多年來,促進(jìn)GNSS數(shù)據(jù)的應(yīng)用已經(jīng)成為一些仍然在使用非地心基準(zhǔn)國家(例如加納)大地測量部門的研究重點(diǎn)。隨著GNSS的應(yīng)用,GNSS已逐漸成為一些使用地心基準(zhǔn)而非天文大地基準(zhǔn)國家不可或缺的技術(shù)。然而,采用地心基準(zhǔn)往往需要將地理空間數(shù)據(jù)在天文大地基準(zhǔn)與已經(jīng)建立的地心基準(zhǔn)之間進(jìn)行轉(zhuǎn)化。此外,一些仍然在使用非天文大地基準(zhǔn)的國家,也需要將GNSS所獲取的數(shù)據(jù)轉(zhuǎn)換為其當(dāng)?shù)氐拇蟮鼗鶞?zhǔn)下的數(shù)據(jù)�？煽康娜峙c局部區(qū)域的坐標(biāo)轉(zhuǎn)換估計(jì)是大地測量學(xué)一個(gè)基礎(chǔ)的研究問題。一些學(xué)者將這些問題歸結(jié)于以下幾個(gè)方面:(1)當(dāng)建立局部大地基準(zhǔn)時(shí)所使用的數(shù)據(jù)采集過程;(2)應(yīng)用于調(diào)節(jié)和統(tǒng)一局部大地參考網(wǎng)絡(luò)的計(jì)算調(diào)控技術(shù);(3)局部大地參考網(wǎng)絡(luò)所收集的數(shù)據(jù)質(zhì)量;(4)局部大地基準(zhǔn)缺乏大地高。這些挑戰(zhàn)使得局部大地網(wǎng)下的數(shù)據(jù)呈現(xiàn)異構(gòu)性。一些還沒有建立大地基準(zhǔn)的國家將會經(jīng)常面臨以上提及的問題。為了避免這種狀況,傳統(tǒng)的參數(shù)轉(zhuǎn)換方法以及無參的人工智能方法已經(jīng)廣泛應(yīng)用于二維和三維的坐標(biāo)轉(zhuǎn)換中。有研究表明,人工智能方法能夠取得較高的坐標(biāo)轉(zhuǎn)換精度。大多數(shù)學(xué)者主要致力于一些人工智能方法的研究,例如反向傳播和徑向基神經(jīng)網(wǎng)絡(luò),神經(jīng)模糊神經(jīng)網(wǎng)絡(luò),模糊邏輯和遺傳編程。本文則在已有研究的基礎(chǔ)上,針對大地測量坐標(biāo)轉(zhuǎn)換問題開展了如下創(chuàng)新性研究:(1)評估了后向傳播神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)以及多元線性回歸神經(jīng)網(wǎng)絡(luò)的向前坐標(biāo)轉(zhuǎn)換精度。研究的本質(zhì)為探索以上提及的方法是否能夠作為基于監(jiān)督學(xué)習(xí)的標(biāo)準(zhǔn)向前方程的替代方法。本文采用了以下指標(biāo)來對這些方法進(jìn)行精度評定:均方誤差、相關(guān)系數(shù)、確定系數(shù)、平均誤差、平均絕對誤差、Legates和McCabe指數(shù)、相對誤差校準(zhǔn)、平均水平位置誤差、標(biāo)準(zhǔn)差、最大和最小水平位置誤差。整體分析顯示,徑向基神經(jīng)網(wǎng)絡(luò)和多元線性回歸的標(biāo)準(zhǔn)差分別為5.184E-04m和1.008E-03m,而后向傳播神經(jīng)網(wǎng)絡(luò)的標(biāo)準(zhǔn)差為0.089m。徑向基神經(jīng)網(wǎng)絡(luò)、多元線性回歸以及后向傳播神經(jīng)網(wǎng)絡(luò)的最大水平位置誤差分別為0.004m、0.011m和0.627 m。由此得出重要結(jié)論:在該實(shí)驗(yàn)區(qū)域應(yīng)該采用徑向基神經(jīng)網(wǎng)絡(luò)方法來實(shí)現(xiàn)大地坐標(biāo)系和笛卡爾坐標(biāo)系之間的坐標(biāo)轉(zhuǎn)換。(2)基于后向傳播神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)以及廣義回歸神經(jīng)網(wǎng)絡(luò),提出一種能夠提高地心轉(zhuǎn)換模型結(jié)果的新方法,本文稱之為人工神經(jīng)網(wǎng)絡(luò)誤差補(bǔ)償模型(ANN-ECM)。該方法的本質(zhì)是將地心轉(zhuǎn)換模型轉(zhuǎn)換的坐標(biāo)作為人工神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù),并將其預(yù)測的殘差數(shù)據(jù)作為輸出數(shù)據(jù)。然后,利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測的殘差數(shù)據(jù)對現(xiàn)有的地心模型轉(zhuǎn)換的坐標(biāo)數(shù)據(jù)進(jìn)行修正。結(jié)果表明,傳統(tǒng)的地心轉(zhuǎn)換模型的最大水平誤差為1.99m,而本文所提方法能夠大幅度地減小該誤差至0.9m。值得指出的是,本文方法所能達(dá)到的精度與加納國家測繪部門土地委員會所規(guī)定的用于地籍測量和規(guī)劃的精度是一致的。(3)提出一種結(jié)合全局最小二乘(TLS)和徑向基神經(jīng)網(wǎng)絡(luò)的創(chuàng)新混合方法(TLSRBFNN),并將該方法應(yīng)用于加納地心參考網(wǎng)絡(luò)的坐標(biāo)轉(zhuǎn)換中。這種混合方法在實(shí)現(xiàn)過程中結(jié)合了全局最小二乘的函數(shù)近似能力以及徑向基神經(jīng)網(wǎng)絡(luò)的非線性建模的能力。而且,本文利用全局最小二乘作為一個(gè)優(yōu)化工具來在多方面改善徑向基神經(jīng)網(wǎng)絡(luò),例如訓(xùn)練速度以及減小網(wǎng)絡(luò)的大小以加快收斂和提高轉(zhuǎn)換結(jié)果。本文所提出的方法可以歸類為一種基于系統(tǒng)和經(jīng)驗(yàn)?zāi)Ｐ偷闹R結(jié)合。實(shí)驗(yàn)結(jié)果表明,TLS-RBFNN、徑向基神經(jīng)網(wǎng)絡(luò)(RBFNN)、全局最小二乘(TLS)分別能夠獲得0.3631、04587和0.6074的轉(zhuǎn)換精度。由此可見,本文所采用的混合方法要明顯優(yōu)于每一種單獨(dú)使用的方法。為了更近一步地評估TLS-RBFNN的優(yōu)勢,本文應(yīng)用貝葉斯信息準(zhǔn)則進(jìn)行評判。TLS-RBFNN能夠取得最小的貝葉斯信息準(zhǔn)則值,因此其被選為最適合用于進(jìn)行WGS84和加納戰(zhàn)爭辦公室1926橢球坐標(biāo)系之間的坐標(biāo)轉(zhuǎn)換模型。(4)基于支持向量機(jī)(SVM)、最小二乘支持向量機(jī)(LS-SVM)、多元自適應(yīng)回歸樣條(MARS)和極限學(xué)習(xí)機(jī)(ELM)來進(jìn)行坐標(biāo)轉(zhuǎn)換。這些新方法均采用加納地心參考網(wǎng)絡(luò)下的同名點(diǎn)。SVM、LS-SVM、MARS和ELM的結(jié)果分別和后向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)以及二維等角和二維仿射模型結(jié)果進(jìn)行比較。統(tǒng)計(jì)分析結(jié)果顯示,LS-SVM,MARS,ELM,BPNN和RBFNN相較于SVM、二維等角和二維仿射模型能夠取得更好的坐標(biāo)轉(zhuǎn)換結(jié)果。整體分析表明,RBFNN能夠取得更準(zhǔn)確的結(jié)果,其坐標(biāo)轉(zhuǎn)換精度為0.137m。MARS、LS-SVM、ELM和BPNN的轉(zhuǎn)換精度分別為0.157、0.198、0.246和0.258m。SVM和二維仿射能夠取得相同的轉(zhuǎn)換精度,精度值為0.433m。二維等角模型能夠取得0.474 m的轉(zhuǎn)換精度。利用全部測試數(shù)據(jù),RBFNN、MARS、LS-SVM和ELM的最大水平位置誤差分別為0.59m、0.63m、0.84m和0.93 m。它們所對應(yīng)的最小水平位置誤差分別為0.005m、0.018m、0.03m和0.008 m。RBFNN、MARS、LS-SVM和ELM的結(jié)果滿足加納測繪部門所規(guī)定的水平位置誤差容限范圍,即±0.9 m。與其相對的是,BPNN的最大和最小水平位置誤差分別為1.624m和0.04m。SVM和二維仿射的最大水平位置誤差均為2.153m,而二維等角模型的最大水平位置誤差為2.642m。雖然BPNN、SVM、二維仿射和二維等角的最大水平位置誤差不滿足規(guī)定的±0.9 m,但是這些方法仍然能夠應(yīng)用于一些低精度的測繪工作中,例如為地理數(shù)據(jù)庫建立而進(jìn)行的GIS數(shù)據(jù)采集、小比例尺地形圖測繪以及植被、土壤類型、地質(zhì)學(xué)等的數(shù)據(jù)轉(zhuǎn)換。本論文的研究內(nèi)容均基于作者在讀博期間所發(fā)表的3篇SCI論文以及已投SCI期刊在審的3篇論文。
[Abstract]:......
【學(xué)位授予單位】：中國地質(zhì)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：P226.3;P228.4
，

本文編號：1450177