广义回归神经网络残余Kriging方法预测地表高程

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｐｉｔ．Ａ＋Ｂ０ｏｎｓａｄＡ＋Ｂ＋Ｃ６０ｐｏｎｓｓｐｒｔｌｓｔａｎｎａａｓｔｏｎｓ４０ｐｉｔｎ０ｉｔｅａａｅｙａｒｉｉｇｄｔｅ．Ｔｈｎｔｅａｔｏｓｅｔｔｄｅｈｕｈｒｓｉｅｍａ
ｔｅｓｒｃｌａｏｓｇＧｎｒｌＲｇｅｓｎＮｕａＮｔｏｋ（ＲＮ）ｒｉａｙＫｉｎ（・ｒｉｇａｄｈｕｆｅｅｅｔｎｕｉｅｅａｅｒｉｅｒｌｅｒＧＮ，Ｏｄｎｒｒｉห้องสมุดไป่ตู้ ＯＫｉｎ）ｎａｖｉｎｓｏｗｇｇ
ＧｎｒｌｅｒｌｅｏｋＲｓｕｌｒｉｇＧＮＲｒｓｅｔｅｎｒｗｔｅｍａｓｏｔｐｌｔｎｒｓｌｅｅａＮｕａＮｔｒｅｉａＫｉｎ（ＲＮＫ）ｅｐｃｉｌａｄｄａｐｆｎｅｏｉｅｕｔｗｄｇｖｙｈｉｒａｏｓ
广义回归神经网络残余Ｋｒｉｇｉｎｇ方法预测地表高程
袁贺罗问，付程，刘
（．东师范火学资源与环境科学学院，海１华上２０６；００２
２淮海＿学院测绘Ｔ程学院，苏连云港．１：江
２２０）２０１
摘
要：广东省番禹区沙洲和石楼镇岛地区的１６７个高程点为样本点，其分为Ａ、Ｃ组各以５把日、
２０个高程点，Ｂ组４０个高程点，０４＋０Ｉ４＋曰＋ｃ组６０个高程点作为训练数据集，Ｍａａ．０在ｔｂ７１和ｌ
Ａｂｓｒｔ：Ｉｈａｅ，ｔｅ１５ｅｅａｉｎｐｉｔｎｈａｅｆＳｚｏｎＳｉｕＴｏｉｌｎｉｔａｃｎｔｅｐｐｒｈ６７ｌｖｔｏｏｎｓｉｔｅｒａｏｈａｈｕａｄｈｌｗｎｓａｄｎｏＦａｙｓｒｃｆＧｕｎｄｎｒｖｎｅｗｅｅａｅｓｓｍｐｌｐｉｔａｄｓｌｔｉｔｒｕ，Ｂ，Ｃａｈ２０ｎｕＤｉｔｉｔｏａｇｏｇｐｏｉｃｒｔｋｎａａｅｏｎｓｎｐｉｎｏｇｏｐＡｅｃ０
２１００年９月第３４卷第５期
安徽大学学报（自然科学版）
ＪｕｎｌｆＡｎｕｉｅｓｙ（ｔｒｌＳｉｎｅＥｉｏｏｒａｏｈｉｖｒｉＮａｕａｃｅｃｄｔｎ）Ｕｎｔｉ
Ｓｅｔｍｂｅ０１ｐｅｒ２０Ｖｏ．４Ｎｏ．１３５
２ＳｈｏｏＧｏｅ）ａｄＧｏａｃＥｇｅｒｇＨｕｉｉｎｔｕｆｅｈｏｇ，ｉｙｎａｇ２２０，ｈａ．ｃｏｌｔｅｄｓｎｅｍｔｓｎｉｅｉ，ａａＩｓｔｔｏｃｎｌｙＬａｕｇｎ２０１Ｃｉ）ｉｎｎｈｉｅＴｏｎｎ
ＡｅＩ９２平台上分别应用广义回神经网络（ＲＮ、通克里格（ — ｒｉｇ、义回归神经网络残ｒＧＳ．ＧＮ）普ＯＫｉｎ）广ｇ余Ｋｉｎ方法（ＲＮＫ）行高程估值和成图，后计算出三种方法的均方根误差．果表明，果插值ｒｉｇｇＧＮＲ进最结如样本数据草不变，小的空问分伽格局对ＧＮＲ样ＲＮＫ插值精度的影响不大，其插值精度要优于ＧＮ且ＲＮ和
ＹＵＡＮｅＨ，ＬＵＯｅ，ＬＵ．ｈｎＷｎＩＦｕｃｅｇ
（．ｈｅｔｒｆｒＭｏｅｎＣｉｅｅＣｔｔｄｅ，ＥｓｉａＮｒｌＵｎｖｒｉ１ＴｅＣｎｅｏｄｒｈｎｓｉＳｕｉｓａｔｎｏｍａｙＣｈｉｅｓｔｈｎｈｉ２０６ｙ，Ｓａｇａ００２，Ｃｉａｈｎ；
关键词：义回归神经网络；里格；余；表高程预测广克残地中图分类号：２８Ｐ０文献标志码：Ａ文章编号：００— １２２１）５— ０１６１０２６（００００２ —０
ＰｒｄｃｈａｕｆｃｌｖｔｏｙｇｎｒｌｎｕａｅｗｏｋｒｓｄａｉｉｇｅｉｔｔｅｌｎｄｓｒａｅｅｅａｉｎｂｅｅａｅｒｌｎｔｒｅｉｕｌＫｒｇｎ
Ｏ—Ｋｉｎｒｉｇｇ方法的插值精度，着捅值样本数据量的增加，随三种方法的插值精度都有显著提高，但
ＧＮＲＲＮＫ方法的插值精度仍优于另两种方法．表明ＧＮＲ这ＲＮＫ方法在地形高程预测中的应用是可行的．
ｏｅｂｓｆｔｂ７１ｎｒＧＳ９２．Ａｓ，ｈｙｃｌｌｔｅｒｏｍａｑａｅｒｒ（ＭＥｏｎｔａｉｏＭａａ．ａｄＡｃＩ．ｈｓｌｔａｔｔｅａｃａｅｔｔｅｎｓｕｒｅｒｓＲＳ）ｆｌｕｄｈｏｄｏ