-
公开(公告)号：CN108733621A
公开(公告)日：2018-11-02
申请号：CN201810455957.3
申请日：2018-05-14
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于BFGS算法的概率积分模型中参数的反演方法，包括以下步骤：(1)给定观测点的坐标及观测点实测的下沉值、水平移动值，工作面地质采矿条件参数和初始概率积分参数。将工作面地质采矿条件参数、概率积分参数初始值和观测点坐标代入概率积分公式，预计观测点的下沉值和水平移动值；(2)将步骤1中的预计下沉值和水平移动值与观测点的实测下沉值和水平移动值作差，构建误差函数；(3)根据步骤2中构建的误差函数作为目标函数，使用BFGS算法，反演出该工作面的概率积分参数。本发明首次将BFGS算法应用于概率积分参数求取，能够解算出全部概率积分参数，具有求取参数精度高，曲线拟合效果好的优点。
-
公开(公告)号：CN108957502B
公开(公告)日：2022-10-21
申请号：CN201810563621.9
申请日：2018-06-04
Applicant: 安徽理工大学
IPC: G01S19/42
Abstract: 本发明公开了一种基于深度学习LSTM的GNSS多系统多路径误差实时削弱方法，包括以下步骤：(1)将GNSS多系统组合相对定位观测数据进行单历元解算，得到包含有多路径误差的原始坐标序列；(2)搭建深度学习LSTM网络；(3)将步骤(1)中的原始坐标序列进行中值滤波作为多路径误差训练样本，输入步骤(2)中搭建的LSTM网络进行训练；训练成功后保存网络；(4)将之后观测得到的原始坐标序列输入步骤(3)保存的网络中，挖掘坐标序列中多路径误差，利用挖掘的得到的多路径误差对坐标序列进行实时改正。本发明首次将深度学习算法应用于GNSS多系统多路径误差的实时削弱，可成功挖掘多系统多路径误差，并且可对坐标序列进行的多路径误差实时改正。
-
公开(公告)号：CN108717580A
公开(公告)日：2018-10-30
申请号：CN201810243500.6
申请日：2018-03-23
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于入侵杂草优化算法求取概率积分参数的方法，包括以下步骤：(1)将已知工作面地区的地质采矿条件参数和工作面种群初始参数代入概率积分公式，预计观测点的下沉值和水平移动值；(2)将工作面观测点的实测下沉值和水平移动值与步骤1中的预计下沉值和水平移动值作差，构建误差函数；(3)将步骤2的误差函数作为适应度函数，采用入侵杂草优化算法反演概率积分参数，求解出该工作面的概率积分参数。本发明方法简单，首次将入侵杂草优化算法应用于概率积分参数求取，可解算出全部概率积分参数，并且具有求取参数精度高的优点。
-
公开(公告)号：CN108957502A
公开(公告)日：2018-12-07
申请号：CN201810563621.9
申请日：2018-06-04
Applicant: 安徽理工大学
IPC: G01S19/42
CPC classification number: G01S19/42
Abstract: 本发明公开了一种基于深度学习LSTM的GNSS多系统多路径误差实时削弱方法，包括以下步骤：(1)将GNSS多系统组合相对定位观测数据进行单历元解算，得到包含有多路径误差的原始坐标序列；(2)搭建深度学习LSTM网络；(3)将步骤(1)中的原始坐标序列进行中值滤波作为多路径误差训练样本，输入步骤(2)中搭建的LSTM网络进行训练；训练成功后保存网络；(4)将之后观测得到的原始坐标序列输入步骤(3)保存的网络中，挖掘坐标序列中多路径误差，利用挖掘的得到的多路径误差对坐标序列进行实时改正。本发明首次将深度学习算法应用于GNSS多系统多路径误差的实时削弱，可成功挖掘多系统多路径误差，并且可对坐标序列进行的多路径误差实时改正。
-
-
-
Search Results
4
records
(took 0.028 seconds)
