共查询到18条相似文献，搜索用时 171 毫秒
1.
为了提高了RBF神经网络对于混沌时间序列的预测性能,从相空间重构理论出发,建立RBF神经网络,并且改变RBF神经网络训练参数及训练样本数,以Logistic及Lorenz混沌时间序列进行预测仿真,取得了不错的预测效果。 相似文献
2.
遥感时间序列被广泛用于地表信息探测。然而受传感器和外部条件的影响,时间序列存在不同程度的噪声。时间序列重构模型能够实现时间序列去噪,但不同重构模型应用于不同时间间隔时间序列的精度不同。本文以辽宁省朝阳市为研究区,分别利用1、4、8、16和30 d间隔归一化植被指数（Normalized Difference Vegetable Index, NDVI）时间序列,进行模拟数据实验和物候监测实验,从波形还原能力和物候期提取精度2方面,评价了SG滤波、DL拟合、HANTS 3种模型在不同时间间隔下的重构效果。结果表明,SG滤波模型适用于较大时间间隔的时间序列数据,DL拟合模型适用于较小时间间隔的时间序列数据,HANTS模型对较小间隔的时间序列重构精度较低。在此基础上,从模型自身的角度分析了3者在不同时间间隔下表现的原因,并为面向不同时间间隔时间序列数据的重构模型选择提供了参考。 相似文献
3.
针对LSSVM模型参数选择的随机性与单一变量序列高维度重构参数选择的困难性,将相空间重构理论、果蝇优化算法引入LSSVM模型中,建立基于相空间重构的FOA-GLSSVM变形预测模型。为了验证提出模型的有效性与可靠性,结合具体工程实例与GLSSVM、支持向量机模型及最小二乘支持向量机模型进行对比研究。结果表明,提出的模型精度更好、稳定性更强。 相似文献
4.
为提高矿区GNSS CORS自动化监测系统地表下沉预测精度,提出一种结合小波分析,采用遗传算法优化的卡尔曼滤波模型(GA-KF)与相空间重构的BP神经网络强预测模型(BP-Adaboost)的组合预测方法。利用小波分析获取原始监测数据的趋势项和随机项,并分别通过GA-KF模型和相空间重构BP-Adaboost模型预测趋势项和随机项,两者之和即为最终预测结果。以亳州板集矿监测站数据为例进行预测,结果表明:1)与单一使用GA-KF和相空间重构BP-Adaboost模型预测值对比,该组合模型预测精度更高;2)组合模型受建模序列长度影响较小,平均相对误差在0.003%以内,远小于两种单一模型,具有一定抗干扰性。 相似文献
5.
3维重构可以由影像序列快捷方便地提取目标的3维几何信息.但3维重构的基础是多视几何理论,其计算是基于矩阵推导的非线性过程,故传统摄影测量理论难以用于评估其误差,本文提出一种3维重构精度的估计方法,采用矩阵分析方法,给出了评定重构精度的推导过程,并结合实验数据验证了精度估计的正确性. 相似文献
6.
提出一种融合混沌理论和RBF(radial basis function)神经网络的地磁变化单站预测模型。分析磁场数据的混沌特性,求取关键参数嵌入维数m和时间延迟τ,据此对初始数据进行相空间重构,并将经混沌理论优化的样本集作为神经网络的训练集和测试集进行仿真实验。结果表明,经混沌理论改进后的RBF神经网络模型可以较为准确地预测地球磁场的变化趋势,对我国地磁场的适用性较好,具有一定的泛化能力。 相似文献
7.
传统的旅游行程规划往往仅被归类为空间排序问题,而对行程安排中时空耦合性与游客自身选择的灵活性考虑不足。本文将行程规划问题的理解从空间视角拓展至游客活动视角,从旅游节点时空耦合关系以及重构模式出发,将旅行中涉及到的时间、空间与专题等多维属性有机组织,进而提出行程时空链的概念模型以及行程要素时空衔接方法。研究以南京为案例展开模型实验,结果显示该模型与传统线路设计方法在节点名称、节点数量以及节点顺序等指标的匹配度均超过了80%,体现出较好的应用可靠性。相较于已有研究仅从空间视角展开的论述,本文提出以游客自身作为行程规划的基本单位,从游客行为选择、游览时间序列以及节点线路串联等多维视角进行映射耦合,以期为拓展深化城市旅游线路设计理论,支撑智慧旅游工程精细化建设提供理论支撑与借鉴。 相似文献
8.
为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。 相似文献
9.
针对单一预测模型的不足,提出EEMD分解与粒子群灰色支持向量机（particle swarm optimization grey support vector machine,PSOGSVM）相结合的基坑位移预测模型。以基坑时间序列的混沌性为基础,利用EEMD分解时间序列,采用相空间重构技术构造样本,应用PSOGSVM模型进行基坑预测,并与GM(1,1)、SVM、遗传小波神经网络进行对比。结果表明,该算法预测精度好,具有良好的稳定性,可有效地应用于基坑位移预测。 相似文献
10.
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
11.
����С�������LS-SVM�Ļ���ʱ������Ԥ��ģ�ͼ���Ӧ�� 总被引：1，自引：0，他引：1
?????С???????????????????LS-SVM??????????μ???????????????????μ????????н???С???????????C-C??????????????????????????????????????????????????????????????????LS-SVM??????н?????????BP??????????????????????????????????????С???????LS-SVM????????????????????н??????Ч???? 相似文献
12.
洪水淹没区包括洪水淹没的范围与深度,准确、高效地获取洪水淹没区是洪灾评估及减灾救灾的关键。本文针对现有洪水淹没范围与深度的快速计算及精度方面的不足,设计了洪水淹没区精确快速提取方法。首先,通过特征嵌入式DEM(F-DEM)数字地形建模技术,修正常规格网DEM对沟渠、坎堤等突变地形描述的失真问题;然后,基于洪水水位监测数据,采用Kriging内插模型构建洪水淹没面;最后,通过GIS多层面叠加及空间查询分析,获取真实淹没区信息。以温州水头镇水位监测点数据为基础,对其暴风潮后的洪水淹没区进行了分析,并利用大区域模拟水位监测点数据对提取方法效率作了测试。实验结果表明,该方法能较好地解决大区域海量数据条件下的淹没区提取问题。 相似文献
13.
Back propagation is employed to forecast the current of a storm with various characteristics of storm surge; the technique is thus important in disaster forecasting. One of the most fuzzy types of information in the prediction of geological calamity is handled employing the information diffusion method. First, a single-step prediction model and neural network prediction model are employed to collect influential information used to predict the extreme tide level. Second, information is obtained using the inf... 相似文献
14.
在洪水灾情监测中,快速准确的获取淹没区域和洪灾面积,对防汛救灾和灾后重建工作具有重要价值.本文以2017年美国圣路易斯洪水为例,基于Sentinel-1 SAR数据,利用变化检测和阈值相结合的方法实现大范围洪水淹没提取,将VV/VH极化数据分别与从同期Sentinel-2光学影像中获取的洪水淹没范围进行比较,评定极化方... 相似文献
15.
从社交媒体中挖掘灾害应急信息,能够有效帮助传统灾害管理获取实时、主题丰富的灾害信息,从而成为灾害应急管理的新手段。得益于深度学习在自动特征提取上的成就,本文研究了一种利用卷积神经网络对社交媒体中的灾害应急信息进行自动实时提取与分类的方法。首先,利用社交媒体数据和Word2vec模型,构建与灾害类事件相关的语料库并获得相应的词向量;其次,将词嵌入文本和相应的灾情类别作为卷积神经网络的输入,经过多分类学习得到分类模型,用以提取近实时灾害信息。以2012年“7.21北京特大暴雨”事件为案例,通过分类模型获得常见灾情类别的暴雨灾害社交媒体信息。该模型在测试集上的精度达到了90%以上,并且将模型运用于新爬取的2016年暴雨数据集上也得到了较好的表现,说明该模型在近实时自动提取灾害信息方面具有可行性。在对2012年分类结果进行时空分析结果表明,通过社交媒体获得的暴雨灾害主题信息符合灾害发展的规律,说明了利用深度学习提取社交媒体数据中的灾害应急信息的有效性和可行性,能够为实时灾害应急管理提供新的思路。 相似文献
16.
结合灰色模型和神经网络的数据处理特点,提出串联、并联和混联式3种结构的灰色神经网络滑坡变形预测模型。串联式将滑坡变形位移时序分解为趋势项和随机项,采用灰色模型提取滑坡位移时序趋势,利用神经网络逼近随机波动;并联式以灰色模型和神经网络分别对滑坡预测,采用智能非线性组合,按照预测目标精度动态调整权重,从而获取最终组合预测结果;混联式通过增加灰白化层及灰模型群,对神经网络拓扑结构进行优化,达到弱化滑坡原始监测数据随机性、提高预测模型稳健性的目的。将3种模型应用于古树屋滑坡变形预测,并对其适用性进行讨论。结果表明,3种结构的灰色神经网络耦合模型均提高了预测精度,适用于复杂状况下滑坡体的变形预测。 相似文献
17.
大数据时代海量网络文本中蕴含的灾害事件信息是防灾减灾研究和应用的重要资源。从异构的Web文本中快速、准确抽取灾害事件时空信息和属性信息,分析其时空动态变化模式与趋势并进行可视化表达,是当前地理信息与灾害信息领域关注的热点。本文从Web文本挖掘的整体技术框架、灾害主题页面抓取、灾害事件信息解析与抽取、灾害事件信息空间展示分析、以及防灾减灾应用系统等方面调研和综述了相关进展。针对防灾减灾领域的Web文本信息获取未来趋势,分析概括了全流程的Web文本灾害事件信息提取适用技术,并指出未来研究趋势：① 重点开展全球灾害信息全景式获取分析,实现全球灾害事件信息的自动化获取、分析及可视化展示;② 向联合国可持续发展目标（SDGs）和中国“一带一路”倡议,加强典型热点区域的Web灾害事件信息获取分析应用研究并形成示范系统;③ 按照数据、信息、知识的应用层次,建立以大数据挖掘和分析技术支撑的新型防灾减灾知识服务系统。 相似文献
18.
长江三峡工程地壳形变监测网络 总被引：19，自引：10，他引：9
长江三峡工程地壳形变监测网络，采用了当今高精度GPS、INSAR空间大地测量技术，并与精密水准测量，精密重力测量，精密激光测距和峒体连续形变监测等技术相结合，构成一个空间上点、线、面结合，时间上长、中、短兼顾的高精度，高时空分辨率的地壳形变监测网络。该网络既可获取三峡库区特别是库首区区域形变场和区域应变场的动态变化，监测库区主要断层活动，为水库诱发地震预测及研究服务，又可用于气象、滑坡地质灾害监测等，该监测网络于1997年底开始建设，2001年6月建成，到目前为止，已获得大量宝贵的观测资料，必将产生显著的经济效益和社会效益。 相似文献