【技术实现步骤摘要】
本申请涉及高程异常领域，具体涉及一种基于地形模型匹配的高程异常模型构建方法及系统。
技术介绍
1、高程作为测量的基本几何要素之一，可通过水准测量、三角高程测量等方法获得。传统水准测量精度高，但由于某些水电工程项目位于高山谷地，地形复杂，植被覆盖，通行不便，通视条件差，水准测量实施非常困难。由于全球导航卫星系统（global navigationsatellite system，gnss）测量效率高、精度高、易操作等特点，近年来在工程上的应用越来越广泛。
2、gnss 并不能直接测得测站高程，而是获得测站在空间直角坐标系下的三维坐标。以gps系统为例，该三维坐标基于wgs-84 椭球，与内业数据处理依据的似大地水准面不同，需进一步通过 gnss 测量成果和似大地水准面，确定测区高程异常，再计算测站的高程。
3、gnss 高程异常确定的方法包括重力测量法、平差转换法、数学拟合法等。其中，重力测量法和平差转换法受到仪器、算法等因素的限制，工程应用较少。在高程异常确定的大量实践中，采用了数学拟合方法。在 gnss 网联测部分水准点，通过这些点的正常高和大地高求出其高程异常，再通过数学拟合方法，建立高程异常值与平面坐标的函数模型，进而求出测区其他点的高程异常值。
4、但是，目前的高程异常值计算方法无法适应各种地形条件，计算结果精度不理想。
技术实现思路
1、本申请提供一种基于地形模型匹配的高程异常模型构建方法及系统，可以解决现有技术中存在的高程异常值计算方
2、第一方面，本申请实施例提供一种基于地形模型匹配的高程异常模型构建方法，所述方法包括：
3、从地形模型中选取多组公共拟合点和多个检查点，并获取所述多个点的位置数据，所述位置数据包括大地坐标、大地高、以及正常高；
4、分别利用二次曲面模型法和多种神经网络，构建基于所述多组公共拟合点的位置数据的多个初步高程异常模型；
5、利用所述多个检查点的位置数据分别计算每个所述初步高程异常模型的模型精度，以选取模型精度最高的初步高程异常模型作为最终高程异常模型输出。
6、结合第一方面，在一种实施方式中，所述公共拟合点在地形模型中正态分布；所述方法还包括：
7、构建所述初步高程异常模型前，分别利用每组公共拟合点的大地坐标计算其分布方差；
8、计算所述初步高程异常模型的模型精度后，根据精度结果调整所述分布方差，并根据调整后的分布方差对应的公共拟合点更新该模型，直至模型精度达到预设范围。
9、结合第一方面，在一种实施方式中，所述多个检查点在地形模型中随机分布，且用于对所有初步高程异常模型进行模型精度计算的所述多个检查点相同。
10、结合第一方面，在一种实施方式中，所述模型精度包括内符合精度，其采用下述公式计算得到：
11、
12、其中，
13、σ1用于表示内符合精度；
14、i1用于表示公共拟合点的标号；
15、ui1用于表示标号为i1的公共拟合点的真值和拟定值的差；
16、n1用于表示公共拟合点的个数。
17、结合第一方面，在一种实施方式中，所述模型精度包括外符合精度，其采用下述公式计算得到：
18、
19、其中，
20、σ2用于表示外符合精度；
21、i2用于表示检查点的标号；
22、ui2用于表示标号为i2的检查点的真值和拟定值的差；
23、n2用于表示检查点的个数。
24、结合第一方面，在一种实施方式中，所述多种神经网络包括循环神经网络rnn、反向传播bp神经网络、径向基函数rbf神经网络。
25、第二方面，本申请实施例提供了一种基于地形模型匹配的高程异常模型构建系统，所述系统包括：
26、地形模型模块，其用于从地形模型中选取多组公共拟合点和多个检查点，并获取所述多个点的位置数据，所述位置数据包括大地坐标、大地高、以及正常高；
27、初步模型构建模块，其分别利用二次曲面模型法和多种神经网络，构建基于所述多组公共拟合点的位置数据的多个初步高程异常模型；
28、最终模型构建模块，其利用所述多个检查点的位置数据分别计算每个所述初步高程异常模型的模型精度，以选取模型精度最高的初步高程异常模型作为最终高程异常模型输出。
29、结合第二方面，在一种实施方式中，所述公共拟合点在地形模型中正态分布；
30、所述初步模型构建模块还用于在构建所述初步高程异常模型前，分别利用每组公共拟合点的大地坐标计算其分布方差，以及用于计算所述初步高程异常模型的模型精度后，根据精度结果调整所述分布方差，并根据调整后的分布方差对应的公共拟合点更新该模型，直至模型精度达到预设范围。
31、结合第二方面，在一种实施方式中，所述多个检查点在地形模型中随机分布，且用于对所有初步高程异常模型进行模型精度计算的所述多个检查点相同。
32、结合第二方面，在一种实施方式中，所述初步模型构建模块和所述最终模型构建模块均用于对所有初步高程异常模型进行模型精度计算，且模型精度包括内符合精度和外符合精度。
33、本申请实施例提供的技术方案带来的有益效果包括：
34、本专利技术基于二次曲面模型法和多种机器学习方法，建立了测区范围内高程异常的建模方法，并对利用各种方法建立的高程异常模型进行了细致的对比分析，相比于传统高程异常建模单纯常采用二次多项式等曲面拟合方法容易受地形复杂影响，导致区域精度较差的问题，能够根据不同地形区域生成精度最高的高程异常模型。
本文档来自技高网...【技术保护点】
1.一种基于地形模型匹配的高程异常模型构建方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于地形模型匹配的高程异常模型构建方法，其特征在于，所述多个检查点在地形模型中随机分布，且用于对所有初步高程异常模型进行模型精度计算的所述多个检查点相同。
3.如权利要求1所述的基于地形模型匹配的高程异常模型构建方法，其特征在于，所述模型精度包括内符合精度，其采用下述公式计算得到：
4.如权利要求1所述的基于地形模型匹配的高程异常模型构建方法，其特征在于，所述模型精度包括外符合精度，其采用下述公式计算得到：
5.如权利要求1所述的基于地形模型匹配的高程异常模型构建方法，其特征在于，所述多种神经网络包括循环神经网络RNN、反向传播BP神经网络、径向基函数RBF神经网络。
6.一种基于地形模型匹配的高程异常模型构建系统，其特征在于，所述系统包括：
7.如权利要求6所述的基于地形模型匹配的高程异常模型构建系统，其特征在于，所述多个检查点在地形模型中随机分布，且用于对所有初步高程异常模型进行模型精度计算的所述多个检查点相
8.如权利要求6所述的基于地形模型匹配的高程异常模型构建系统，其特征在于，所述初步模型构建模块和所述最终模型构建模块均用于对所有初步高程异常模型进行模型精度计算，且模型精度包括内符合精度和外符合精度。
...【技术特征摘要】
1.一种基于地形模型匹配的高程异常模型构建方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于地形模型匹配的高程异常模型构建方法，其特征在于，所述多个检查点在地形模型中随机分布，且用于对所有初步高程异常模型进行模型精度计算的所述多个检查点相同。
3.如权利要求1所述的基于地形模型匹配的高程异常模型构建方法，其特征在于，所述模型精度包括内符合精度，其采用下述公式计算得到：
4.如权利要求1所述的基于地形模型匹配的高程异常模型构建方法，其特征在于，所述模型精度包括外符合精度，其采用下述公式计算得到：
5.如权利要求1所述的基于地形模型匹配的高程异常...
【专利技术属性】
技术研发人员：王勇，许超钤，王孝青，张琦，武军郦，
申请(专利权)人：武汉大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。