共查询到20条相似文献，搜索用时 437 毫秒
1.
针对开采沉陷预计模型参数反演所存在的算法复杂、计算量大等缺陷,将粒子群算法引入到概率积分法开采沉陷预计模型参数反演中。研究粒子群算法反演概率积分法预计模型参数的基本原理、编码方法及适应度函数的构造方法,同时结合河北省某煤矿的实测数据,以下沉拟合值与实测值的中误差作为反演精度的评价标准对算法进行实例验证,对提高开采沉陷预计的精度有一定的参考实用价值。 相似文献
2.
3.
为有效确定概率积分法预计参数,提高预计值的精度。将粒子群优化(PSO)算法和BP神经网络进行融合,采用改进的混合粒子群优化算法优化神经网络的权值和阈值。在分析概率积分法参数与地质采矿条件之间关系的基础上,建立了基于PSO优化BP神经网络的概率积分法预计参数的优化选择模型。以我国典型的地表移动观测站资料为例,将计算结果与实际值进行了对比分析,并与文献[1]中改进BP算法进行了比较。结果表明,PSO-BP神经网络方法用于概率积分法预计参数的选取是可行的,收敛速度更快,计算精度更高。 相似文献
4.
为提高植被叶片生化参数的反演精度,利用扩展傅里叶幅度敏感性检验法对阔叶辐射传输模型进行敏感性分析,提取了叶绿素、类胡萝卜素、水分和干物质对应的敏感波段。在鲸鱼优化算法的基础上,引入改进的混沌序列对种群进行初始化,产生分布均匀的个体;再引入非线性收敛因子与权重对鲸鱼优化算法参数进行改进,并利用改进后的参数对个体位置进行更新,使算法更易遍历全局寻找最优解;然后在一次迭代完成时对适应度进行排序,选出适应度高的精英个体,通过扰动概率对精英个体进行高斯扰动,增加算法跃出局部最优的概率,形成改进鲸鱼优化算法;最后与粒子群优化算法的反演精度进行比较。结果表明,改进鲸鱼优化算法反演的叶绿素、类胡萝卜素和等效水厚度的精度均高于粒子群优化算法;其算法与分波段反演模型对生化参数的预测精度更高,可为定量预测植被叶片生化组分含量提供一定的理论和技术支持。 相似文献
5.
6.
断层参数反演的动态惯性因子的粒子群算法 总被引：1，自引：0，他引：1
《武汉大学学报(信息科学版)》2021,(4)
采用大地测量观测数据进行地震断层参数反演是大地测量反演的研究热点,也是研究地震发生机制的重点。针对目前在断层参数反演中所用粒子群算法反演精度较低的问题,分析了地震断层参数反演的非线性特点和基本粒子群算法的特征。考虑到基本粒子群算法在处理高度非线性问题时易陷入局部最优解,且求解过程中局部最优解与全局最优解之间会相互影响,通过分段调整影响粒子速度的惯性因子和影响全局最优解与局部最优解的加速因子,得到了一种适用于地震断层参数反演的分段动态调整参数的粒子群算法,应用于模拟地震与拉奎拉真实地震的断层参数反演。模拟地震实验结果表明,所提算法具有稳定性,且求得的断层倾角、滑动角较多峰值粒子群算法更接近真值。在2009年拉奎拉地震实例中,所提算法求得的断层参数正演后所得形变量与地表观测值的均方根误差为5.2 mm,优于多峰值粒子群算法的6.7 mm。以上结果表明,所提算法获得的断层模型更符合真实的断裂条件,具有一定的实际应用价值。 相似文献
7.
本文首先针对标准粒子群优化算法容易陷入局部最优的缺点,采用动态自适应调节策略,使得粒子的惯性权重随群体聚集程度而适时变化,从而调整粒子群搜索的速度和方向以跳出局部最优;然后将粒子群算法的全局搜寻能力和RBF网络的局部优化能力相结合,利用改进的粒子群优化算法优化RBF神经网络的关键参数;并将其应用于地理信息的预测,得到满意的结果。 相似文献
8.
9.
应用粒子群算法的遥感信息与水稻生长模型同化技术 总被引：4，自引：0，他引：4
在研究遥感信息和水稻生长模型的同化过程中, 最小化遥感反演与生长模型(RiceGrow)输出的水稻生长
信息差值绝对值时引入了一种新的优化算法-粒子群算法(PSO), 并对比了其与模拟退火算法(SA)的优缺点; 探讨
了叶面积指数(LAI)和叶片氮积累量(LNA)分别作为同化参数时的同化效果。结果表明, PSO 无论是从同化效率还是
反演精度上都要好于SA, 粒子群优化算法是一种可靠的遥感与模型同化算法; LAI 和LNA 作为外部同化参数时各
有优势, LAI 作为同化参数可获得较准确的播期及播种量, 而LNA 作为同化参数可获得更为准确的施氮量信息。但
是LAI 作为外部同化参数时的反演结果总体要优于利用LNA 作为同化参数时的反演结果。利用试验资料对该技术
进行了测试和检验, 结果显示反演的模型初始参数的平均值与真实值的相对误差(RE)均小于2.5%, 均方根误差
(RMSE)为0.7—2.2, 产量模拟值与实测值之间的相对误差为5%左右, 模拟与实测相关指标值吻合度较高, 该同化
技术具有较好的适用性。从而为生长模型从单点扩展到区域尺度应用奠定了基础。 相似文献
10.
提出了一种提升露天矿边坡位移量预测精度和收敛速度的基于自适应混合跳跃粒子群算法(AHJPSO)改进的BP(Back Propagation)神经网络模型。传统的BP神经网络模型在位移量预测过程中存在收敛速度慢、预测精度低、易陷入局部极小值的问题,而自适应混合跳跃粒子群算法具有快速寻优能力以及能够在迭代计算的过程中有效避免陷入局部极小值的能力,所以采用自适应混合跳跃粒子群算法优化后的BP神经网络模型,能够使BP神经网络模型对露天矿边坡位移量的预测精度更高、算法收敛速度更快,并有效跳出局部极小值。 相似文献
11.
针对采矿后遗留的采空区会诱发严重的地质灾害问题,该文提出一种采空区几何参数的反演算法,旨在及时探明采空区的分布特征与几何形状,进而有效控制灾害的发生.该文通过合成孔径雷达差分干涉(D-InSAR)技术获取采空区上方的地表连续沉降场,通过概率积分模型建立采空区几何特征与地表沉降场之间的相互关系,引入BFGS最优化算法对采空区的几何参数进行反演.仿真实验结果表明:在加入5 mm随机误差的情况下,BFGS算法能够有效反演出全部参数,且反演精度略高于遗传算法(SA)和模拟退火(GA)算法;同时,在不同的初值条件下,BFGS算法反演结果的数值稳定性与反演精度仍明显优于其他两种算法.工程应用中,反演结果显示SA与GA算法的相对误差平均值都超过了 10％,而BFGS算法的相对误差平均值只有4.73％,进一步验证了 BFGS算法的可靠性. 相似文献
12.
针对传统支持向量机算法在预测方面的不足,采用自适应粒子群算法(APSO)对支持向量机参数选择进行分析和优化,建立基于自适应粒子群优化的SVM算法建筑物沉降预测模型,并对建筑物进行沉降预测。实验表明,相比于传统的支持向量机算法,自适应粒子群优化的SVM算法预测精度较高,为建筑物沉降预测提供一种新方法。 相似文献
13.
利用遗传算法优化神经网络实现混合像元组分参数的反演 总被引：1，自引：1，他引：0
《遥感学报》2000,4(Z1):31-37
采用热红外多波段遥感数据反演陆面温度(LST),由于波段间信息高度相关,以及难以直接反演混合像元组分温度,使得LST的反演精度和应用价值都受到很大的限制.在建立非同温混合像元热辐射方向性模型基础上指出,热红外多角度遥感提供了反演组分温度的可能性,但是,由于该模型是采用蒙特卡洛方法模拟而建立起来的数值概念模型,采用一般反演方法很难同时提取所有参数信息.为了有效获取各参数信息,使用神经网络模型.由于待反演参数中,组分温度、土壤比辐射率和叶面积指数(LAI)都是多角度辐射亮度的非线性函数,然而,使用经典的误差后传(BP)算法容易陷入局部最优解区域;虽然遗传算法(GA)可以搜索到全局最优解,但在微机上实现算法速度太慢,因此,采用GA训练神经网络,得到网络权重,然后再以GA训练得到的权重作为BP算法的初始权重,继续训练神经网络,直到获得满意结果.这样既可以发挥BP算法快速寻优的特点,又能得到网络权重的最优组合.数值模拟的结果表明,基于非同温混合像元热辐射方向性模型,采用GA优化的神经网络模型反演多维参数效果比较理想. 相似文献
14.
在传统灰色系统预报模型的基础上,提出了一种自适应双子群改进粒子群算法（improved particle swarm optimization algorithm by two subgroups,TS-IPSO）和灰色系统相结合的预报模型。首先对钟差序列进行平滑性检验,对不满足平滑条件的序列作对数平滑处理;然后对灰色系统模型进行优化,为避免粒子群算法陷入局部最优,建立了主辅子群协同进化,惯性权重非线性递减机制。通过TS-IPSO优化发展灰数和内生控制灰数,增强了灰色系统模型的泛化能力。选取来自4种不同钟型的卫星钟差数据进行计算分析。结果表明,模型对6 h和24 h的预报精度和稳定性均优于传统模型,特别是对短期稳定性较差的铯钟,实现了6 h预报误差小于1.60 ns,24 h预报误差小于5.71 ns。 相似文献
15.
针对最小二乘支持向量机(least square support vec-tor machine,LSSVM)模型参数选择存在随机性与单一优化算法寻找参数存在局限的问题,将遗传算法(genetic algo-rithm,GA)、粒子群优化(particle swarm optimization,PSO)算法引入LSSVM模型,建立了基于粒子群-遗传算法(PSO-GA)优化的LSSVM沉降预测模型.将GA嵌入PSO算法,降低了模型参数寻优陷入局部最优的可能,提高模型拟合精度.结合具体工程实例,将提出的模型与LSSVM模型、PSO算法优化的LSSVM(PSO-LSSVM)模型、GA优化的LSSVM(GA-LSSVM)模型进行对比,结果表明改进模型的精度更好,稳定性更强. 相似文献
16.
针对月震数据分布不均,传统反演方法不易搜索全局最优解等问题,提出联合使用重力/地形导纳和非线性粒子群PSO算法同时反演月球物理参数的方法。结果表明,该方法构建的表面地形载荷模型和内部异常密度载荷模型合理,粒子群PSO算法能同时求解月球物理参数及其全局最优解。将方法运用于月球物理参数的反演,可为月球内部结构研究提供一定的参考。 相似文献
17.
经典Kriging插值算法在当区域化变量的变化呈非正态分布时,变异函数会出现明显的病态,另外,变异函数是对区域化变量间差值取平方,致使插值结果容易受区域化变量异常值的影响。采取对区域化变量取自然对数的措施,以减弱上述因素的影响,另外在变异函数模型中,引入粒子群(PSO)优化算法对变异函数模型参数进行寻优,取得了良好的效果。 相似文献
18.
一种自适应的PSO粒子滤波人脸视频跟踪方法 总被引：1，自引：0，他引：1
提出了一种自适应的PSO粒子滤波人脸视频跟踪算法。本算法充分利用粒子群算法的寻优能力,使粒子向真实值的后验概率分布移动,同时引入小生境(niche)技术加以改进,构造出多种群特性,使目标分布呈现非线性非高斯特性的多模分布,由此提高对动态系统中最优解动态变化的自适应能力。实验表明,在简单背景匀速运动、复杂背景匀速和变速运动的人脸视频跟踪中,和传统粒子滤波、普通PSO粒子滤波相比,具有良好的跟踪精度和稳定性。 相似文献
19.
针对基于常规合成孔径雷达差分干涉测量（differential interferometry synthetic aperture radar,D-InSAR）技术成果无法反演全部概率积分参数问题,开展了融合D-InSAR和遗传算法（genetic algorithm,GA）的概率积分参数反演方法研究。①依据采动区D-InSAR视线（line of sight,LOS）方向变形为下沉和南北、东西方向水平移动沿LOS方向投影的关系,基于GA理论,首次构建了融合D-InSAR和GA的概率积分法预计全参数反演模型,并编制了求参软件。模拟实验结果表明,q、tanβ、b、θ的相对误差不超过6.7%,拐点偏移距S相对误差不超过20%（参数敏感度低,对求参整体效果影响小）;求参拟合下沉误差为-5.90~6.10 mm,拟合中误差约为±2.20 mm,整体求参效果较好。②利用融合D-InSAR和GA的概率积分法预计全参数反演模型,在一定的假设条件下,对2012年3月11日9310工作面开采沉陷的动态概率积分参数进行了求取,得到q=0.172,b=0.13,tanβ=2.08,θ=88°,S1=-10 m,S2=9 m,S3=-85 m,S4=30 m,拟合误差约为-35.00~45.00 mm,拟合中误差为±15.16 mm,并认为S3=-85 m主要为9310工作面开采导致邻近9312采空区边界的悬臂梁或砌体梁失稳"活化"所致。 相似文献
20.
《武汉大学学报(信息科学版)》2016,(4)
地图自动综合中,基于Beams模型的全局最优化移位算法通过借鉴材料力学中杆件结构的移位和变形,模拟地图上空间目标(群)在移位操作中的传递性和衰减性,从而较好地保持地图目标(群)的形状、空间关系和分布模式。然而,目前对该算法实现细节的介绍仍然较少,也没有可操作的参数(弹性模量、横截面积和惯性力矩)设置方法。针对此种情况,对算法进行了实现与改进。首先,介绍了算法的基本数学模型与有限元求解方法;然后,从算法实现的角度,详细研究了Beams模型刚度矩阵和外力向量的计算和聚合等关键问题;最后,在降低参数复杂性的前提下,提出了一种自适应参数设置方法来改进算法。为了验证算法的可行性和适用性,在Delaunay三角网的支持下,分别对道路网和建筑物群进行移位,结果表明改进后的算法可较好地应用于地图上线状目标(群)和离散面状目标群的移位。 相似文献