基于遗传神经网络的RTK-GPS在林区测绘及样地定位中的应用

摘要

森林资源调查是实现我国林业建设现代化重要手段和可持续发展的必然要求,也是森林资源监测体系的重要组成部分。近年来,随着GPS技术的飞速发展,以GPS为核心的定位测量技术已经广泛应用于森林资源调查中,然而受到林区地形、水面、气候、林带的影响,目前针对林业资源的GPS定为手段精度相对较低。如何提高森林资源调查的精度,已成为亟待解决的问题。
　　 针对这一需求,在充分分析林业资源调查过程中的需求、流程、干扰因素的基础上论文研究了基于遗传神经网络和RTK-GPS将结合的GPS定位方法和具体实现。论文完成的主要工作和取得的成果如下:
　　 ①在分析林业资源自身特点及资源调查业务范围的基础上,分析了林业资源调查干扰因素,对现有GPS差分方法进行分析,结合林业资源调查的需要,选择RTK差分算法作为定位手段,同时考虑林业调查中干扰因素,提出一种智能预测算法与RTK差分算法相结合的改进方案。
　　 ②在充分讨论各类智能预测算法优缺点的基础上,结合林业资源调查的实际情况,提出一种基于遗传神经网络的智能预测算法；然后结合神经网络和遗传算法的实现原理,给出遗传神经网络的实现方法及其与RTK差分的结合的技术方案。
　　 ③结合林业资源调查的需求和特点,分别对神经网络算子的结构、学习方法、遗传算子的编码方式,编译、杂交策略、适应度函数进行设计,得出遗传神经网络的具体实现。
　　 ④提出本文所提出的基于遗传神经网络的RTK-GPS技术在林区数字测绘及样地定位中的实际实现方式,内业与外业的实施流程及实施内容。
　　 本文提出的方法,能够在现有林业资源调查过程中普遍采用的软硬件条件,将本文提出和设计的技术方案应用到绥宁关峡林区的实际调查过程,实际结果表明,各种该方法行之有效,达到了设计目标,能够满足林区测绘和资源调查的实际需要。

目录

文摘

英文文摘

1 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 存在问题及解决方法

1.4 论文研究内容及构成

2 RTK-GPS林业资源数字测绘方法

2.1 森林资源的测绘及调查

2.1.2 森林资源调查流程分析

2.1.2 林区测绘及资源调查干扰因素分析

2.2 基于GPS的森林定位方案选择

2.3 RTK-GPS原理

2.4 RTK-GPS改进方案

2.5 小结

3 基于遗传神经网络的RTK差分算法

3.1 智能预测算法的选取

3.2 BP神经网络原理

3.3 遗传算法原理

3.4 遗传神经网络在RTK差分的应用

3.5 小结

4 神经网络算子和遗传算子的设计

4.1 神经网络算子的设计

4.1.1 隐层的设计

4.1.2 输入和输出节点的选取

4.1.3 隐层神经元数目的选择

4.1.4 BP神经网络学习方式的设计

4.2 遗传算子的设计

4.2.1 入侵数据的编码表示

4.2.2 选择策略

4.2.3 变异策略

4.2.4 杂交策略

4.2.5 适应度函数

4.3 小结

5 方法应用与运行结果

5.1 RTK林业资源调查作业框架设计

5.2.1 外业实施流程设计

5.2.1 内业实施流程设计

5.2 外业实施内容

5.2.1 基准站选定

5.2.2 地形图测量

5.2.3 图根控制点加密

5.2.4 工程放样

5.3 内业实施内容

5.3.1 求定测区转换参数

5.3.2 测量仪器检测

5.3.3 GPS后处理模块

5.4 数据处理

5.4 结果分析

5.5 小结

6 结论与展望

6.1 结论

6.2 展望

参考文献

附录

致谢