共查询到10条相似文献，搜索用时 809 毫秒
1.
基于广义回归神经网络的GPS高程转换 总被引：1，自引：1，他引：0
为提高GPS高程转换的精度,采用广义回归神经网络(GRNN)进行拟合。将控制点的X、Y坐标作为网络输入,高程异常作为网络输出,采用实验数据训练网络,训练完成的网络作为模型进行高程异常预测。结果表明,GRNN方法具有较高的GPS转换精度。 相似文献
2.
����ƽ����Ϻ� BP��������Ϸ���GPS�߳�ת�� 总被引：1，自引：0，他引：1
???GPS???????????????????????????y?????????BP?????編??????????????????????6????????????????????????????????????6?????????????????????????????BP?????編???????????3???????????????????? 相似文献
3.
针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型.为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度.以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证.结... 相似文献
4.
针对平面拟合、二次曲面拟合和GA-BP神经网络3种模型的各自特点和适用范围,为综合各模型优点、提高高程拟合的精度与可靠性,对比分析了不同非线性组合和线性组合方法,即RBF神经网络组合、加权最小二乘支持向量机（WLSSVM）组合和最优加权组合、最优非负变权组合等对GPS高程拟合精度的影响。理论分析和算例结果表明,不同组合方法对GPS高程拟合精度的影响不同,WLSSVM组合和最优非负变权组合的拟合效果较好,可靠性较强|最优非负变权组合能较好地控制残差极值,有效减小误差区间,且转换精度较高。 相似文献
5.
������С����֧��������������GPS�߳�ת����� 总被引：3，自引：2，他引：1
????GPS???????????ж??????BP?????????溯???????????????????????÷?Χ?????????????????????????????????С???????????????LSSVM??????????????????????LSSVM?????????????????С????????????????????С??????????С??????????в?????????????????????????????????????????????LSSVM????????????????????????????????????????????????????????????????LSSVM?????????GPS??????????? 相似文献
6.
7.
����Bayesian����BP�������GPS�߳�ת�� 总被引：2，自引：0，他引：2
?????BP?????????????????????????????????????Bayesian?????????BP??????????????????????????GPS??????????????????L-M????????????????????????Bayesian??????BP???????????????????????????????????? 相似文献
8.
针对GPS可降水量时间序列具有非线性、非平稳性的特征，研究一种基于小波分解（WD）、遗传算法（GA）和最小二乘支持向量机（LSSVM）的GPS可降水量短临预报方法。先采用小波分解将GPS可降水量时间序列分解成便于预报的低频分量和高频分量；然后利用遗传算法优化LSSVM参数，进而对各分量建立预报模型；再将各分量预报结果进行叠加重构得到最终预报结果。选取两组数据进行实验，并将预报结果分别与LSSVM和遗传小波神经网络（GA-WNN）预报结果进行对比。结果表明，该组合模型具有良好的泛化能力，可有效解决神经网络易陷于局部极小的问题，提高了全局预报精度。 相似文献
9.
Foam is used widely in underbalanced drilling for oil and gas exploration to improve well perfor-mance.Accurate prediction of the cutting transport and pressure loss in the foam drilling is an important way to prevent stuck pipe,lost circulation and to increase the rate of penetration(ROP).In foam drilling,the cuttings transport quality may be defined in terms of cuttings consistency and downhole pressure loss,which are controlled by many factors.Therefore,it is very difficult to establish the mathematical equation that reflects nonlinear relationship among various factors.The field and experimental measurements of these parameters are time consuming and costly.In this study,the authors suggest a cuttings transport mathematical modeling using BPN(back propagation network),RBFN(radial basis function network)and GRNN(general regression neural network)based on various experiment data of cuttings transport of previous researchers and compared the result with experiment data.Results of this study show that the GRNN has a correlation coefficient of 0.99962 and an average error of 0.15 in training datasets,and a correlation coefficient of 0.99881 and an average error of 0.612 in testing datasets,which has higher accuracy and faster training velocity than the BP network or RBFN network.GRNN can be used in many mathematical problems for accurate estimation of cuttings consistency and downhole pressure loss instead of field and experimental measurements for hydraulic design in foam drilling operation. 相似文献
10.
提出一种新的古滑坡变形预测方法。首先结合集合经验模态分解(EEMD)和奇异值分解(SVD)对古滑坡变形数据进行分解,然后利用分项组合神经网络预测古滑坡复活区的变形,最后利用多重分形消除趋势波动分析(MF-DFA)进行古滑坡多标度趋势评价。以王家坡滑坡为例分析本文方法的有效性。结果表明,组合分解模型EEMD-SVD较单项分解模型具有更强的数据分解能力,可有效实现滑坡变形数据的信息分解;基于神经网络的分项组合预测模型适用于滑坡变形预测,所得预测结果的相对误差基本在2%左右,预测精度较高,且外推预测显示滑坡变形仍会进一步增加,增加速率为1.23~1.36 mm/周期;MF-DFA模型的多标度特征分析结果显示,滑坡变形具有多重分形特征,变形有进一步增加的趋势,这与预测结果较为一致,可佐证前述预测结果的准确性。 相似文献