[发明专利]一种基于神经网络算法的独立坐标系参数分析方法及系统

说明书

本发明涉及一种基于神经网络算法的独立坐标系参数分析方法及系统，在独立坐标系转换到国家坐标系时在未知具体椭球膨胀算法的情况下，通过神经元网络单层感知器算法，多次迭代分析出最优抵偿面，解决了原来人工只能分析少量控制点精度变化的缺陷，一次性分析全部项目区内控制点的误差变化情况，从而得到最优的一个转换参数值，保证测量数据的高精度转换，提高了获取坐标系转换所需要的具体参数的效率和精度。

技术领域

本发明涉及工程建设技术领域，特别是涉及一种基于神经网络算法的独立坐标系参数分析方法及系统。

背景技术

大型工程建设项目需要设置独立坐标系，保证工程项目设计施工中设计长度到实施放样长度的误差每公里需小于2.5厘米。此类误差为投影长度误差，主要原因是由于采用的高斯投影为一种等角投影，投影后角度元素在投影前后保持不变，而在投影后距中央经线越远长度的变形越大。同时在高海拔地区需要在投影时设置投影抵偿高程面，抵偿高程面指为使地面上边长的高斯投影长度改正与归算到基准面上的改正互相抵偿而确定的一个高程面。一般工程应用采用椭球膨胀方法进行设置抵偿高程面。

一般大型工程建设项目(如高速公路、高速铁路、大型城市规划)等均需要设置符合项目勘测要求的独立坐标系。独立坐标系设置一般需满足两个必要条件：一是符合相关设计勘测规范要求，即为每公里投影长度变形误差不大于2.5厘米，二是设置的独立坐标系可以与国家标准坐标系进行转换。

独立坐标系设置过程中高斯-克吕格投影算法固定，无特殊要求没有变化；但在投影抵偿高程面设定上存在各种方法，其可用的椭球膨胀算法达十多种；独立坐标系设置单位一般也不对椭球膨胀算法进行详细描述，导致在使用时独立坐标系时具体使用单位并不知道使用的是哪一种椭球膨胀算法，在转换计算后存在一定误差；导致使用时不能满足坐标系转换使用。

目前在工程应用中独立坐标系转换为国家标准坐标系一般采用三种方法，一是咨询工程项目勘测设计测量单位在独立坐标系设计时采用椭球膨胀算法，并提供相关计算公式和设置方法，但是一般情况下勘测单位较难提供相关具体参数，主要原因是膨胀算法并没有规定为项目必须提供资料；并且具体算法较多，设计单位采用符合规范设计要求的参数即可。二是采用人工逐一分析勘测测量设计单位采用的椭球膨胀算法；采用此方法较难分析区域内所有点的误差情况，人工计算量大；一般只能选取工程项目范围内的几个控制点进行分析比较，不能有效对工程项目全区域进行有效分析。三是直接采用布尔沙七参数的方法进行坐标系转换，使用此方法可不用分析具体使用的独立坐标系参数；但由于存在参数不明确的情况，转换后控制点误差无法做到最优；只能在精度要求不高的情况下进行使用。

发明内容

本发明的目的是提供一种基于神经网络算法的独立坐标系参数分析方法及系统，能够提高获取坐标系转换所需要的具体参数的效率和精度。

为实现上述目的，本发明提供了如下方案：

一种基于神经网络算法的独立坐标系参数分析方法，所述方法包括：

获取多个控制点分别在独立坐标系中的三维坐标和国家坐标系中的三维坐标；所述控制点为工程建设项目中为进行测量作业而在测量区域布设的点；

根据所述独立坐标系的抵偿面高程，以预设步距确定多个基准抵偿面高程；

利用高斯投影算法将多个控制点在独立坐标系中的三维坐标利用不同的基准抵偿面高程值转换为在国家坐标系中的投影三维坐标；

对每个基准抵偿面高程下多个控制点的投影三维坐标与多个控制点在国家坐标系中的三维坐标进行误差值计算，获得每个基准抵偿面高程下每个控制点的坐标误差值；

根据每个控制点的坐标误差值对每个控制点进行分类标识，并结合每个控制点的分类标识、基准抵偿面高程和坐标误差值构成分类矩阵；

根据所述分类矩阵，利用神经元网络单层感知器算法进行误差分类计算，获得分类值关于抵偿面高程的分类直线方程；