２０ｌ０年５月 第５期（总第１ ３８期） 广西轻工业 ＧＵＡＮＧＸＩ ＪＯＵＲＮＡＬ ＯＦ ＬＩＧＨＴ ＩＮＤＵＳＴＲＹ 计算机与信息技术 一种基于遗传神经网络算法的林区Ｆ１ Ｔ Ｋ—Ｇ Ｐ Ｓ技术 雷凡，王唤良 （中南林业科技大学林学院，湖南长沙４１ ０００４） 【摘 要】 随着ＧＰＳ技术的日益成熟，以ＧＰＳ为主要手段的定位技术，已成为我国林区定位的新途径，起到越来越大的 作用。然而由于作为测量对象的森林资源，常常对卫星信号形成较大的干扰，导致测量精度不高，针对这一现状，本文采用ＲＴＫ技 术进行动态ＧＰＳ，同时采用遗传神经网络算法，自适应的修正误差，实际运行结果表明该算法具有较好的测量效果。 【关键词】 林区定位；ＲＴＫ技术；动态ＧＰＳ；遗传神经网络算法 【中图分类号】ＴＰ１８３ 【文献标识码】Ａ 【文章编号】 １００３—２６７３（２０１０）０５—６４—０２ １ 引言 （４）测试样本定位数据集计算预测定位误差输出。 随着全球定位系统的不断改进，硬、软件的不断完善，应用 （５）网络的推广预测误差评价误差预测的实用性。 领域正在不断开拓。在森林中进行常规测量相当困难，而ＧＰＳ （６）当进化代数达到要求或最佳网络结构被发现时，算法 定位技术可以发挥其优越性。而将ＧＰＳ这一先进的测量技术 过程结束，最后一代中最好的个体，作为神经网络连接权值，即 应用在林业工作中，能够达到快速、高效、准确地提供点、线、面 为要搜索的最佳神经网络模型；反之，转第７步。 要素的精密坐标的目的，精确测定森林位置和面积，绘制精密 （７）从父代中随机选择适应值低于平均适应值的两个网 的森林分布图，完成森林调查与管理中各种境界线的勘测与放 络结构个体的二进制代码ｉ。，ｉｚ；对ｉ ，ｉ２进行一致杂交，产生一 样落界【 。 条染色体，对染色体串依概率Ｐｍ和Ｐｃ进行变异交叉操作，产 ＧＰＳ要求仪器与天空“通视”，同时能收到４－５颗以上的 生一个新的网络结构和连接个体。 有效卫星才能发挥作用。由于森林资源的特殊性，在高大茂密 （８）重复步骤７，直到产生Ｎｐ个新网络结构个体，形成一 的森林里面，不能满足这一条件的地区还是占相当大的比重。 子代群体。 因此ＧＰＳ在林业勘测方面精度表现不高。本文就是在分析载 （９）将父代中最好的网络结构个体随机置换子代中一个 波相位差分ＧＰＳ模型基础之上利用神经网络预测结果在一定 网络结构个体。 距离内的较高精度来改善ＧＰＳ的定位精度。 （１ ０）子代转换为父代，即为新的一代，转第３步。 下文将从神经网络算子和遗传算子两个部分，阐述该算法 ２遗传算法模型进行林区定位的设计 的设计思想。 本文将遗传算法和神经元网络结合在一起，提出一种基于 遗传神经网络的ＲＴＫ—ＧＰＳ林业定位技术。利用遗传神经网络 ３ ＢＰ神经网络误差修正模型 算法进行林业定位的基本思路和步骤如下： 进行ＢＰ网络算子的设计，应根据林业定位的实际情况， （１）针对林业定位作业的需要，确定神经网络的隐含层数 从确定网络的层数、每层中的神经元个数、输入输出点数和激 和每层的节点数、粒度位数、权值的取值范围，以及神经网络结 活函数、初始值以及学习速率等几个方面来进行考虑。 构的进化代数Ｇ、每代中可能的网络结构数Ｎｐ、每层隐含层的 ３．１确定网络的层数 节点数用二进制表示的位数Ｎｂ、神经网络结构的变异率Ｐｍ ＢＰ神经网络通常具有一个或多个隐层，其中隐层神经元 和交叉率Ｐｃ、随机种子数ｉｓｅｅｄ；再采用矢量空间模型方法对 通常采用Ｓｉｇｍｏｉｄ型传递函数。理论已经证明具有单隐层的 网络结构与连接进行二进制编码，构造出相应的串；最后选择 ＢＰ神经网络，当隐层神经元数目足够多时，可以以任意精度逼 一组由检测点三维坐标组成的测量数据集Ｔｒａｉｎｓｅｔ＝ 近任何具有有限间断点的非线性函数。对于林业定位系统来 Ｎ ｛（ｘｐ，ｙｐ，ｚ ，）｝ 用于训练神经网络以获得ＲＴＫ定位误差模 说，增加层数主要是可进一步降低误差。但同时也使网络复杂 型。 化，增加了网络权值和阈值的训练时间。实际上，精度的提高可 （２）在每个隐含层节点数、粒度位数、权值的取值范围内， 以通过增加隐层中的神经元数目来获得，对于隐层的选取，考 随机地产生Ｎｐ个初始网络结构，作为父代。 虑林业定位检测点间，误差的变化呈现连续非线性，而非不连 （３）对于以构建的网络结构群体中的每一个可能的网络 续性，因此，采用一个隐层。 结构，从输入层到输出层，用当前的连接权值和节点阂值，执行 ３．２节点数的选取 一个正向计算过程获得一个新的网络结构。 从信息论角度来看，所有相关信号可看成一个离散有记忆 信源，有记忆是指信源发生的信号只与前若干个符号有关。在 【作者简介】雷凡（１９８３一），男，湖南株洲人，中南林业科技大学在读研究生。研究方向：林业信息工程。 ６４ 一定时间范罔内可利用前一组数据误差对当前接收误差的相 叉概率Ｐｃ，变异概率Ｐｍ，终止条件Ｔ等。这些参数是遗传算法 寻优所需要的，对性能的影响较大，需要认真选取。 根据实际林业定位作业的经验Ｐｓｉｚｅ取２０—５００可产生较 关影响估计当前误差，以降低ＧＰＳ数据误差。把上一时刻接收 机位置坐标分 作为输入的一部分，针对ＲＴＫ—ＧＰＳ差分模 型，应用４颗卫星来求得目标的三维坐标，输入层取１１个神经 元，输出层取３个神经元。 ３．３隐层神经元数目的选择 好的精度，初始群体随机产生；Ｐｃ一般取值为０．４；Ｐｍ取值为 ０．１；终止条件Ｔ是表示遗传算法的运行结束条件的一个参数， 为了防止实际林业定位作业过程中出现难以收敛的情况，本文 指定进化的代数，当达到最大进化代数后，遗传神经网络运行 结束。 针对林业定位的误差预测，为了保汪精度及收敛速度，隐 层神经元数目可由经验公式获得。 本文所采用的ＢＰ神经网络结构形式如图１所示，包括由 ｔ时刻伪距修正量（４个量），ｔ时刻卫星伪距（４个量）和ｔ一１时刻 接收机位置坐标分量（３个量）组成的１ １维矢量的输入层；具有 ５应用与结果分析 本文针对现有采用ＧＰＳ的林业定位技术中，由于林区的 双曲正切的Ｓ型传递函数、１２个神经元组成的一个隐含层；以 特殊条件对卫星信号形成较大的干扰，导致测量精度不高的现 及由ｌ代表接收机天线位置坐标分量的３个神经元组成的线 状，采用ＲＴＫ技术进行动态ＧＰＳ，同时采用遗传神经网络算 性输出层。 法，自适应的修正误差，实际运行结果表明该算法具有较好的 输入层 隐含层 输出层 测量效果。 ｈ， 实验过程中，采用单隐层的ＢＰ网络进行位置预测时，由于 输入样本为１ １维的输入向量，因此输入层一共有ｌ１个神经 元，中间层取１２个神经元，网络有３个输出数据，则输出层为 ３个神经元，因此，网络结构应为１１ Ｘ １２×３。按照ＢＰ网络的 一般设计原则，中问层神经元的传递函数可以设定为ｓ型正切 函数，由于输出已被归一化到区间ｆ０，１］中，因此，输出神经元的 传递函数可以设定为ｓ型对数函数． 神经元数目取１２为最 佳，同时给出了种群的初始染色以及初始的适应度函数。最大 图１ 迭代次数ＭａｘＤＴ＝１０００，初始染色个数为Ｎ＝１０，染色体编码 长度为Ｄ＝１１。 ４基于遗传算法的修正模模型设计 采用绥宁关峡采集到的实际卫星数据作为试验对象，在 利用遗传算法对ＢＰ神经网络的连接权值进行寻优，能够 ＭＡＴＬＡＢ ６．５中运行仿真程序，基于遗传神经网络的训练结 提高林业定位的精度和速度。对于基于遗传算法的修正模模型 果如表１所示。为了说明本文算法的有效性，利用统一数据集 设计，重点在于个以适应度的定义，遗传算子的设计，以及运行 采用单纯的神经网络算法进行结果（如表２所示）对比。 参数的选择 表１ ４．１个体适应度的定义 对于遗传神经网络算法中个体适应度的定义，可以设神经 网络输入ｎｔｏｔａ１个记录，神经网络输出ｎｃｏｒｒｅｃｔ次正确结果， 考虑林区对卫星新号的干扰多为随机值，比重较少，因此本文 采用适应度函数。 ４．２遗传算子的设计 遗传算子主要有选择算子、交叉算子和变异算子 实际值 ９６．５４２ ５６ｌ ３０．２４５ ２６５ ９８．５７８ ４１２ ２９．４３５ ６９８ ９７．８５５ ２３６ 选择操作是保证遗传算法种群优胜劣汰的重要算子，为了 预测值 ９５．９７６ ８５９ 误差 ０．７７３９７ｌ ０．８０９５６７ ０．７２３１７６ 提高定位的速率，本文采用保留最佳个体的选择策略。 交叉就是把两个父个体的部分结构加以替换重组而生成 从结果可以看出，本文所提出的方法，比单纯的神经网络 新个体的操作，为了在定位过程中，增加ＢＰ神经网络连接权 算法在精度上大大提高，同时，根据所测的算法时间代价上看， 重的搜索范围，提高本文所提出的算法中交叉采用均匀交叉。 同时处理１００００组数据，本文算法比神经网络算法用时约减 由于遗传算法中变异算子是以辅助的手段出现，考虑在林 少２３．８％，取得了较好的效果。 业定位系统中的可实现性，本文采用基本位变异的方法。 ４．３运行参数的确定 参考文献 遗传神经网络运行需要确定的参数有：群体大小Ｐｓｉｚｅ，交 【１】王惠南．ＧＰＳ导航原理与应用【ＭＩ．北京：科学出版社，２００３ ６５
