《表5 GPS水准点数据：基于粒子群算法优化SVM的GPS高程拟合方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于粒子群算法优化SVM的GPS高程拟合方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

单位：m

算例1中给出的GPS水准点分布区域较为平坦，波动不大。在实际工程应用中，存在着对地势较为复杂地区的GPS高程拟合需求，这就对高程拟合方法对不同地形的适应性提出了要求。因此在算例2中，我们选取地势较为复杂的某趋于20个GPS水准监测点数据开展试验，表5给出了这20个GPS水准点的高程异常数据。同样选择其中1～10期作为训练样本，剩余11～20期数据作为测试样本，验证PSO-SVM模型的拟合性能。PSO算法的初始化参数与算例1一致，即初始种群规模设置为10，加速因子c1=c2=2.06，算法的最大迭代次数设置为50，粒子位置信息设置为2，初始粒子速度为0.3。