基于深度学习的GPS水准拟合方法
针对数学拟合法在进行全球定位系统(GPS)水准拟合时,因受自身模型限制,导致GPS水准拟合精度不高的问题,该文提出了一种基于EGM2008模型和深度学习的GPS水准拟合法.首先使用深度学习中的分段线性整流函数(ReLU)作为神经元激活函数加快网络的收敛速度,然后利用 自适应矩估计函数(Adam)作为优化函数加速获取最优解,并采用正则化丢弃法(Dropout)增强深度学习网络的泛化能力.通过实测数据计算表明:该文方法相比常用的多项式拟合法,丘陵地区外符合精度提高了约65%,达到1.7 cm;高差变化较大的山地外符合精度提高了约90%,达到1.2 cm.
EGM2008模型、GPS水准拟合、"移去-恢复"法、深度学习
46
P228(大地测量学)
国家自然科学基金61071006
2021-05-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
57-62