基于深度学习的GPS水准拟合方法

• 作者: 董洲洋 徐卫明 庄昊 孟浩
• 来源期刊: 测绘科学
• 关键词: EGM2008模型 GPS水准拟合 "移去-恢复"法 深度学习
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 大地测量学与导航
• 页码范围: 57-62
• 页数: 6页
• 分类号: P228
• 语种: 中文

摘要

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.