共查询到10条相似文献，搜索用时 31 毫秒
1.
2.
3.
4.
《测绘科学》2020,(3)
针对传统BP神经网络模型存在的学习速度慢、易陷入局部极值以及网络结构参数取值的不确定性等问题,该文研究了一种基于遗传算法与BP神经网络相结合的GPS可降水量预测的新方法。该方法利用遗传算法对BP神经网络的初始权值和阈值进行优化,并对该模型进行训练,以提高预测模型的性能。实验结果证明了遗传BP神经网络模型用于GPS可降水量预测的可行性,其预测结果的均方根误差为0.16 mm、平均绝对百分误差为0.23%。相对于BP神经网络和小波神经网络模型,均方根误差分别降低了0.37和0.19 mm,平均绝对百分误差分别降低了0.62%和0.33%。同时遗传BP神经网络模型亦显示了很好的非线性拟合能力,能更好地预测GPS可降水量,对实际工作具有较强的参考价值。 相似文献
5.
6.
7.
目前,雾霾天气频发,为了提高PM_(2.5)浓度的预测精度,建立了基于遗传算法优化的小波神经网络模型(GA-WNN)。该方法综合了遗传算法的全局搜索能力和小波神经网络(WNN)强大的非线性拟合的优点,弥补了传统神经网络容易陷入局部最小值和收敛速度慢的缺点。以河北省邢台市实时监测的PM_(2.5)浓度数据为样本进行建模预测,预测结果的平均相对误差为11%。将其小波神经网络进行对比分析,实验结果表明:该方法有效地提高了预测精度,为短时的PM_(2.5)含量预测提供了一个新途径。 相似文献
8.
针对大坝变形系统的非线性、复杂性以及不确定等特点,提出一种优化多核相关向量机的大坝变形预测模型方法。通过对实验数据进行归一化处理,核函数的加权组合以及遗传算法对模型参数的优化,建立遗传算法优化多核相关向量机的大坝变形预测模型。实验结果表明:数据归一化能归纳统一样本的统计分布性,加快梯度下降求解最优解速度和提高预测精度;优化的加权核函数能有效提高模型预测精度;各项精度指标值均优于BP神经网络方法、多项式核相关向量机方法预测精度,证实优化的多核相关向量机模型是一种精度较高的大坝变形预测方法。 相似文献
9.
主干道、辅路的准确识别对于实现复杂交叉路口的自动综合至关重要。传统方法多依赖于路段的笔直程度和弯曲程度描述路口的主干道和辅路,然而复杂交叉路口结构错综复杂、形态变化多样,仅依赖这两种特征进行主辅路识别的准确度有限,且部分形态相似的主辅路无法识别。为此,本文提出了一种多特征约束下的复杂交叉路口主辅路识别方法。首先提取复杂交叉路口的特征点,根据特征点对弧段进行打断,依据路段的笔直程度识别出平行弧段;然后依据道路延展性、角度、距离等特征识别平行簇获取复杂交叉路口中的主干道;最后通过紧凑度和距离关系识别匝道获取复杂交叉路口中的辅路。以南京OSM城市路网为例的试验表明,本文方法能够准确识别出复杂交叉路口的主干道和辅助路段,识别精度分别达到93.60%和89.43%。 相似文献
10.
针对已有研究主要按照“良好连续性”原则进行stroke的构建,顾及到了道路的几何特征,但在一定程度上忽略了其语义信息的问题,提出了同时顾及几何特征和语义特征的stroke生成方法。选定未处理道路中交通流量最大的路段为起始路段;在节点关联多弧段时筛选出在偏角阈值范围内的道路;将起始路段与交通流量最相似的道路进行连接。实验表明,该方法有效解决了已有stroke构建过程中可能出现的几何分歧路段以及起始路段的选择问题,得到确定的stroke结果。相比传统方法,引入交通流量语义信息后生成的stroke结果更加符合实际连通性。 相似文献