基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题,给出了基于径向基函数(Radial Basis Function,RBF)神经网络的模型。该模型隐含层选用Gauss函数作为基函数,学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真,结果表明,用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播(Back-Propagation,BP)神经网络方法转换GPS高程的精度进行了比较,虽然两种方法的结果相近,但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见,RBF神经网络方法用于转换GPS高程是可行和有效的。