基于EGM2008和BP神經網絡的GPS高程轉換方法研究

徐煒，嚴超，劉揚，杜文選，周鵬

（安徽理工大學測繪學院，安徽淮南 232000）

基于EGM2008和BP神經網絡的GPS高程轉換方法研究

徐煒*，嚴超，劉揚，杜文選，周鵬

（安徽理工大學測繪學院，安徽淮南 232000）

當前GPS在平面控制測量中得到了廣泛應用，而在高程測量中使用得較少，為了能夠使用GPS高程來代替傳統的水準測量，就必須進行高程轉換。目前，高程轉換的方法主要是數學擬合法，而在似大地水準面變化不平穩的地區，這種方法得到的結果卻不太理想。本文將EGM2008地球重力場模型與GPS水準相結合起來，運用BP神經網絡算法來確定局部似大地水準面，結合具體實例進行擬合試驗，并與傳統數學擬合法的結果進行比較分析，驗證這種方法的優越性與實用性。

GPS；高程轉換；EGM2008；BP神經網絡

1　引 言

隨著GPS定位技術的發展，GPS在平面控制測量中得到了廣泛應用，而在高程測量中使用得較少，其原因在于GPS測量得到的高程是大地高，而我國的高程系統是正常高。傳統的水準測量需要耗費大量的人力、物力，而GPS測量高程則較為快捷，為了能夠使用GPS高程來代替傳統的水準測量，就必須進行高程轉換。

目前，對GPS高程進行轉換的方法主要可以大致分為數學擬合法和物理重力法兩種［1］。數學擬合法就是利用似大地水準面的連續光滑性，使用一定的數學模型來擬合高程異常值，在似大地水準面變化不平穩的地區，使用數學模型并不能夠真實反映似大地水準面的變化［2］。物理重力法就是利用局部或者全球重力數據求解高程異常，把GPS大地高轉換為正常高，在缺乏重力數據的山區這種方法難以實現［1］。本文主要研究在缺乏重力數據的丘陵地區時，將EGM2008地球重力場模型與GPS水準相結合起來，通過BP神經網絡進行擬合試驗，并與傳統的數學擬合法的結果進行比較，體現該方法的優越性。

2　EGM2008　地球重力場模型高程轉換

2.1EGM2008地球重力場模型

EGM2008地球重力場模型是由美國地理空間情報局在利用最新數據的基礎上研制發布的新一代地球重力模型［3］。該模型采用了GRAC衛星跟蹤數據、衛星測高數據和地面重力數據，無論是分辨率還是在精度方面都取得了巨大的進步［4］。EGM2008重力場的階數可以完全至2159（球諧系數可以擴展到2190），空間分辨率達到5′，相當于模型的空間分辨率約為9 km，該模型先由完全展開到2190階次的球諧函數求出擾動為T，再由Bruns公式計算出任意一點的高程異常值［5］:

式中，φ，λ為計算點的地心精度和緯度；R為計算點的地心半徑；γ為橢球上的正常重力；ae為地球赤道半徑；G為萬有引力常數，M為地球質量，Pmn為n次m階伴隨Legendre函數，，Snm為大地水準面差距所對應的參考橢球重力位的n次m階球諧參數，nmax為球諧展開式的最高階。

2.2移去-擬合-恢復高程擬合法

地面點的高程異常可以由三部分組成，包括長波部分、中波部分和短波部分，長波部分可以由重力模型計算得到，中波部分可以通過求解重力異常邊值得到，短波部分可以由求解地形改正得到［6］。若不考慮地形因素的影響，則將短波部分舍去，剩余長波部分和中波部分。利用移去-擬合-恢復進行高程轉換的計算流程如下:

（1）設共有n個GPS水準聯測點，則可以計算出這些點的高程異常值為:

根據EGM2008模型可以計算出這些水準聯測點的高程異常近似值ξM，這樣就可以計算出高程異常的殘差值:

（2）根據擬合水準聯測點的坐標和各個點的高程異常的殘差值根據BP神經網絡擬合出其余未知點的殘差值△ξ′。

（3）由EGM2008計算出的高程異常近似值ξM以及擬合出來的殘差值△ξ′，計算出高程異常值為

這樣就能計算出其他點的大地高。

2.3GPS高程轉換精度評定

GPS高程轉換結束后，一般還需要評價轉換后GPS高程的精度能夠達到幾等幾何水準測量的精度。一般根據檢測點到已知水準點的最近距離（以km為單位）及計算的檢查點的擬合高程殘差來評定GPS水準達到的精度［7］，如表1所示。

GPS水準限差　表1

在高程轉換后還應評定模型的精度，會使用內、外符合精度來確定，設有n個高程轉換基點m檢查點，分別計算出這些點上的誤差改正數V，并根據式（5）計算出內、外符合精度。

只有內、外符合精度相互匹配時，才能說明高程轉換模型是合適的，轉換結果精度是可靠的。

3　BP神經網絡

目前高程轉換的方法有很多種，如多項式擬合法、曲面擬合法、BP神經網絡法、Kriging差值法、分區擬合法等。其中，BP神經網絡由于可以模擬出任何曲線而廣泛使用。

BP神經網絡主要由輸入層、隱藏層和輸出層組成，其中隱藏層可以包含一個或者多個神經單元。各個層由若干個神經節點組成，同層間的神經元互不相連，前后兩個層的神經元之間相互連接，前一層神經元輸出的結果為后一層神經元的輸入值［8］。

當輸入信號進入系統后，把信號傳播到隱含層的神經元，經過一系列的計算后，再把隱含層神經元上的信號傳播到輸出層的神經元上。若輸出層輸出的結果得不到期望的值，就會逆向反饋傳播，將有誤差的信號按照原來的路徑逐層返回，使誤差沿梯度方向下降，經過反復學習訓練，在達到誤差信號變成最小時，輸出結果［9］。試驗結果表明三個隱含層的BP神經網絡可以擬合出任何的曲線，利用BP神經網絡進行高程轉換的流程如圖1所示。

圖1　BP神經網絡結構圖

4　實例分析

某地區位于東經113°北緯22°之內，測區面積達到372 km2，東西跨度達到23 km，南北方向跨度達到15 km，測區為丘陵地區。在區域內共布設了24個E 級GPS控制點，并全部進行了四等水準聯測，點位分布圖如圖2所示，利用MATlAB平臺內插出區域的三維地形圖如圖3所示。

圖2　點位分布圖

圖3　區域地形變化圖

下載到測區的EGM2008大地重力場模型數據，目前EGM2008大地重力場模型的提供的數據精度可以達到1′×1′。由于重力數據是基于格網分布的，所以需要依據測區內GPS水準聯測點的經緯度，使用All Trans EGM2008 Calculator雙線性內插方法內插出各GPS水準聯測點處的高程異常值，計算結果如表2所示。

區域內EGM2008高程異常值　表2

EGM2008高程異常與水準高程異常殘差對比　表3

由表3可以得出，該區域的GPS水準高程異常值與基于EGM2008重力模型高程異常值的殘差很小，殘差最大值為18.1 mm，殘差最小值為 -25.8 mm，平均值為4.27 mm，從而證明了似大地水準面精化的結果是可靠的。

在測區中隨機均勻選取10水準點作為高程轉換基點，剩余14個水準點作為檢核點。分別利用最小二乘二次曲面擬合和BP神經網絡直接對檢核點高程異常值進行擬合，并依據移去-擬合-恢復原理使用BP神經網絡對各檢核點的EGM2008高程異常與水準高程異常殘差擬合，計算結果的殘差如表4所示。

各種擬合方法結果對比表　表4

根據每個檢核點到最近擬合點的距離，按照四等水準的要求計算出每個點的限差，并與各方法計算出的檢核點擬合殘差進行比較，結果如圖4所示。

圖4　高程異常殘差圖對比圖

從圖4可以得出，這幾種高程轉換方法的高程異常殘差值都在四等水準的限差內。EGM2008殘差結合BP神經網絡擬合方法的精度最高，其殘差最大偏差達到28.777 mm，最小偏差0.081 mm，外符合精度達到17.481 mm。比直接使用BP神經網絡進行高程擬合的外符合精度高出2.5 cm，相對于直接使用二次曲面高程擬合的外符合精度要高出1 cm，說明基于EGM2008和BP神經網絡擬合模型是可靠的。但是高程異常殘差值相對傳統數學方法提高的卻不是太明顯，其主要原因還在于EGM2008地球重力模型的精度不夠高。通過以上的分析可以得到以下結論:

（1）基于EGM2008地球場重力模型結合BP神經高程轉換方法的模型精度比傳統的數方法精度要高，高程轉換殘差最大達到2 cm～3 cm，能夠滿足工程建設中利用GPS技術測定高程的需要。

（2）由于EGM2008地球重力場模型的精度帶有明顯的地域特性，所以在不同的地方使用該方法進行高程擬合的精度也有所不同。BP神經網絡雖然可以進行擬合任何曲線，但其受到訓練方法等因素的影響，計算結果相比數學模型缺乏理論說服力，還有待加強研究。

（3）與傳統的水準測量方法相比，高程轉換法的計算過程更加的簡單，可以節約更多的人力、物力，實行起來也較為簡便，計算結果也可以達到四等水準的要求。

5　結 語

利用EGM2008重力場模型計算出高程異常值，并依據移去-擬合-恢復法結合BP神經網絡算法的高程轉換方法，相比傳統數學模型高程轉換方法的精度更高，完全可以達到四準水準的要求，能夠滿足大多數工程測量的需要。隨著GPS技術的發展，基于EGM2008重力場模型結合BP神經網絡進行高程轉換的方法將具有更高的實用價值。

［1］谷延超，范東明.顧及EGM2008和殘差地形模型的GPS高程轉換方法研究［J］.測繪工程，2013，22（2）：26～29.

［2］張同剛，岑敏儀，馮義從等.地形起伏對GPS工程控制網高程異常的影響［J］.鐵道學報，2005，27（2）：79～80.

［3］謝用，范東明.基于EGM2008地球重力場模型的GPS高程轉換研究［J］.測繪，2010，5（10）：204～208.

［4］夏哲仁，石磬，李迎春.高分辨率區域重力場模型DQM2000［J］.武漢大學學報：信息科技版，2003，28（SI）：124～128.

［5］徐紹銓，張海華，楊志強等.GPS測量原理與應用［M］.武漢：武漢大學出版社，2003.

［6］武廣臣，劉艷.基于EGM2008模型比對的區域似大地水準面精化［J］.遼寧科技學院學報，2015，17（3）：25～27.

［7］余學祥，王堅，劉邵堂等.GPS測量與數據處理［M］.徐州：中國礦業大學出版社，2013，10.

［8］牛志宏.幾種基于神經網絡的GPS高程擬合方法比較［J］.全球定位系統，2014，39（2）：64～67.

［9］胡川.基于神經網絡的GPS高程擬合及其MATLAB實現［J］.城市勘測，2010，10（5）：75～77.

Based on the EGM2008 and BP Neural Network to Research on the Transformation Method of GPS Elevation

Xu Wei，Yan Chao，Liu Yang，Du Wenxuan，Zhou Peng
（School of Geodesy and Geomatics，Anhui University of Science and Technology，Huainan 232000，China）

At present GPS has been widely used in the horizontal control survey.However，less used in height measurement，in order to be able to use GPS elevation to replace the traditional leveling，it must be converted elevation.At present，the elevation conversion method primarily mathematical fitting，in Quasi-geoid change unstable region，the results obtained by this method was less than ideal.This article will EGM2008 Earth gravity field model with GPS standards combined together，using the BP neural network algorithm to determine the local Quasi-geoid，with specific examples to fit test，and legitimate results with traditional mathematics proposed a comparative analysis to verify this advantages and utility of the process.

GPS；elevation transformation；EGM2008；BP neural network

1672-8262（2016）04-110-04

P228.3

A

2016—05—07

徐煒（1992—），男，碩士研究生，研究方向為GNSS導航與數據處理。

國家自然科學基金（41474026）；淮南礦業（集團）有限責任公司項目（HNKY-JTJS（2013）-28）；安徽省國土資源廳科技項目（2011-K-22；2011-K-18）