第39卷第2期2023年6月测绘标准化StandardizationofSurveyingandMappingVol．39No．2Jun．2023收稿日期:2022－09－18第一作者简介:凡建林，工程师，现主要从事工程测量、地理信息系统工程等工作。鲸鱼算法优化的SVM区域高程异常拟合方法凡建林1高叶1姚辉2(1．浙江省测绘科学技术研究院浙江杭州310000;2．宁波冶金勘察设计研究股份有限公司浙江宁波315016)摘要:针对采用支持向量机(SupportVectorMachine，SVM)区域高程异常拟合法最佳参数难以确定问题，本文提出采用鲸鱼算法(WhaleOptimizationAlgorithm，WOA)优化SVM区域高程异常拟合法。本方法利用WOA获取SVM中核函数与正则化参数，替代SVM算法中全局性搜索较差的交叉验证方法，构建高精度区域高程异常拟合模型。试验结果表明，采用WOA－SVM方法得到的高程异常拟合结果在精度、稳定性上均优于现有多项式拟合法和SVM拟合法，可为相关区域高程异常拟合提供一种有效方法。关键词:高程拟合;鲸鱼算法;支持向量机模型;核函数;正则化参数中图分类号:P237．2DOI:10．20007/j．cnki．61－1275/P．2023．02．13ＲegionalelevationanomalyfittingmethodbasedonSVMoptimizedbyWOAFANJianlin1，GAOYe1，YAOHui2(1．ZhejiangInstituteofSurveyingandMappingScienceandtechnology，Hangzhou，Zhejiang310000，China;2．NingBoMetallurgicalSurveyandDesignＲesearchCo．，Ltd．，Ningbo，Zhejiang315016，China)Abstract:InviewoftheproblemthatisdifficulttodeterminethebestparametersofregionalelevationanomalyfittingmethodbyusingSVM，thispaperproposesaregionalelevationanomalyfittingmethodbasedonSVMoptimizedbyWOA．WOAalgorithmisusedtoobtainkernelfunctionandregularizationparametersinSVM，replacethecrossvalidationmethodwithpoorglobalsearchinSVMalgorithm，andconstructahigh-precisionregionalelevationanomalyfittingmodel．ExperimentsshowthattheaccuracyandstabilityoftheelevationanomalyfittingresultsobtainedbyWOA-SVMmethodaresuperiortotheexistingpolynomialfittingmethodandSVMfittingmethod，fittingmodelarealsobetterthanthoseofpol-ynomialfittingmethodsandSVMfittingmethods，whichcanbeaneffectivemethodfortheheightanoma-lyfittingofrelevantregions．Keywords:elevationfitting;WOA;SVM;kernelfunction;regularizationparameter随着GNSS的快速发展，利用该技术获取地...
