共查询到20条相似文献，搜索用时 31 毫秒
1.
基于改进BP学习算法的GPS高程转换 总被引：4，自引：0，他引：4
在应用BP神经网络转换GPS高程中,针对标准BP算法的不足,给出改进的学习算法,通过应用不同BP学习算法来转换GPS高程的实例分析比较,得出改进的BP算法在转换GPS高程中可以大大减少BP神经网络的训练时间,提高高程转换的效率. 相似文献
2.
《现代测绘》2020,(2)
地铁轨道结构的变形是影响地铁运营安全的重要因素之一,对其变形预测模型展开研究具有重要意义。本文以南京地铁2号线某区段的地铁轨道结构沉降监测实测数据为基础,研究分析了几种不同的沉降预测模型,并对预测效果进行了对比分析。论文首先介绍了时间序列模型之一,自回归模型AR(p);其次,介绍了神经网络BP模型,且确定地铁轨道结构沉降预测的BP模型结构为4×P×1。经工程实例分析,与时间序列模型相比,神经网络BP模型的预测精度能提高约50%,但该模型的缺点是模拟结果不稳定。最后,作者提出了时间序列与BP算法的融合模型,并详细介绍了该模型的具体结构和计算步骤。工程实例结果表明,融合模型的预测精度更高,与时间序列模型相比,精度能提高约60%,且融合模型的稳定性比常规BP模型要好。 相似文献
3.
4.
5.
6.
7.
8.
针对ROAM算法的缺点 ,对ROAM算法进行了改进。改进算法提出了先分块后构模的思想 ,首先将大规模高程数据进行分块 ,然后根据视点与子块的关系对每一个子块进行细分判断 ,最后 ,用改进的ROAM算法模拟我国荆江地区的三维地形 ,取得了良好的显示效果 相似文献
9.
10.
目前常见的沉降预测方法有灰色系统模型、时间序列分析法、BP神经网络及其改进算法等。针对BP神经网络容易出现过拟合和局部最优的缺点,部分学者利用遗传算法进行神经网络初始权值和阈值优化。但是遗传算法对于因监测数据质量问题而造成变形预测结果不佳的优化效果有限。因此引入自适应增强算法对遗传神经网络预测模型进行改进。并利用某高层建筑基坑实测50期监测数据进行仿真预测。实验结果表明,利用自适应增强算法改进之后的遗传神经网络预测模型在满足工程监测精度要求的前提下,在MAPE、MAE、MSE三项精度指标上分别提高80.57%、81.04%、70.83%。 相似文献
11.
转换GPS高程的BP神经网络方法研究 总被引：1，自引：1，他引：0
对于目前大范围点位分布不均,拟合法高程转换存在效果失真、模型误差等问题,本文给出了改进的BP神经网络方法转换GPS高程为正常高的算法,并与曲面拟合方法比较分析。经实例验证,在较大范围内,用神经网络方法转换GPS高程优于二次曲面拟合方法,所获得的正常高可满足工程生产的精度要求,具有一定的实用价值。 相似文献
12.
神经网络BP算法在DEM内插中的应用研究 总被引：1，自引：0，他引：1
神经网络BP方法应用于DEM内插,可以不需要传统的内插拟合函数.本文构建了一种"4X"BP神经网络结构,以地面点的平面坐标(X,X,Y,Y)作为网络输入层的节点,以高程H作为输出层的节点.用这种方法分析一个工程实例,选取隐含层节点数N为15,构建4×15×1的神经网络结构,结果得到DEM内插中误差为±0.45m,而传统的平面插值法的中误差为±0.53 m.实例证明,神经网络BP算法的效果非常好,值得在工程中推广应用. 相似文献
13.
本文论述了正交多项式和基于BP人工神经网络的GPS高程异常拟合原理,分析了这几种算法的优缺点。并结合实例计算,比较分析各方法的精度。最后得出改进的BP神经网络的方法精度要优于多项式拟合和标准BP算法。 相似文献
14.
15.
近年来,国内外学者在神经网络方面做了大量研究,使神经网络技术在计算、分析、仿真、控制等方面得到广泛应用,在变形监测和测绘数据处理领域,学者们做了大量实验和实践研究,得到丰富的研究和应用成果。本文首先对大坝变形影响因子进行分析,采用主成分分析法提取影响大坝变形的因子元素,最大程度降低因子之间的相关性对神经网络模型的影响。采用改进BP神经网和径向基函数神经网络两种方法,分析大坝变形预测预报效果,并结合相关文献研究成果,对比两种算法的优缺点,探讨神经网络应用于大坝变形监测的可行性。最后结合工程实际应用实例,研究计算表明,改进BP神经网络和径向基函数神经网络都能对实测数据有较好的拟合效果,达到大坝变形预测预报精度,在大坝安全预测预报分析中具有一定的参考和实用价值。 相似文献
16.
17.
18.
19.
一种改进的BP神经网络非均匀性校正算法 总被引：1，自引：0，他引：1
利用BP神经网络进行红外焦平面阵列的非均匀性校正,容易产生校正精度低、收敛速度慢及边缘模糊等缺点。文中提出一种基于中值滤波和改进网络权值的BP神经网络算法。对于非均匀性很大的红外图像,先对其进行中值滤波预处理,然后再在权值迭代过程中加入动量项改正来避免图像边缘模糊。实验结果表明改进后的BP神经网络算法更适合边缘细节丰富的红外图像。 相似文献
20.
针对长短时记忆网络(LSTM)模型的桥梁变形预测存在精度低，预测效果能力弱等问题，利用粒子群算法(PSO)对LSTM模型的参数进行优化，提出PSO优化LSTM神经网络的桥梁位移预测模型。工程实例数据分析结果表明：与LSTM模型和反向传播(BP)神经网络模型进行对比分析，在拟合能力方面等具有改进效果，所建模型的均方根误差为3.68 mm、平均绝对误差为1.47 mm,进而验证了本文模型在桥梁位移预测的可行性和有效性。 相似文献