共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
3.
边坡地表位移监测是滑坡安全监控中的重要内容,对监测资料进行及时、合理、有效的分析,获取滑坡变形规律和安全状况是滑坡监测的重要工作之一。文中将基于BP算法的小波神经网络预测模型引入变形监测预报中,对工程实例进行预测。结果表明小波神经网络预测可以取得良好的效果,且自适应预测能力较强。 相似文献
4.
5.
6.
7.
利用遗传小波神经网络预报导航卫星钟差 总被引:2,自引:0,他引:2
针对卫星钟差难以用精确模型来进行预报问题,首先通过遗传算法优化适合非线性时间序列预报的小波神经网络的网络参数,得到预报性能更好的遗传小波神经网络(GWNN);然后根据钟差数据的特点对钟差进行预处理,建立了一种能够高精度、近实时预报钟差的GWNN钟差预报算法。使用GPS卫星钟差进行一天内的预报实验证明了本方法的有效性。结果表明,通过本方法得到的预报钟差较IGS超快预报钟差在精度上有了较大的改善。 相似文献
8.
为了提高变形监测数据预测的精度与可靠性,提高神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高铁路基处的沉降监测数据处理中。综合小波分析与神经网络算法的优点,建立松散型及紧致型小波神经网络预测分析模型。通过实验数据对比分析,验证了采用紧致型小波神经网络预测模型能够较好地用来处理路基的动态变形监测数据,预测稳定性及预测精度较高。 相似文献
9.
小波神经网络对建筑物变形预报具有较高的模型拟合及预报精度。从小波神经网络算法原理出发,阐述了使用该方法对所获得的桥梁变形监测数据进行模型建立及预报的过程,并利用Matlab实现了编程代码。通过对某桥梁变形监测预报的应用表明,该方法具有很强的可行性和实用性,可及早为桥梁变形预警,避免或减少灾害的发生。 相似文献
10.
11.
12.
基于退火BP神经网络的GPS高程转换 总被引:1,自引:0,他引:1
阐述模拟退火算法的基本思想和原理,提出并介绍模拟退火算法优化的BP神经网络模型在GPS高程转换中的具体应用,同时编写相应的MATLAB处理程序,结合大量数据进行仿真实验,结果表明文中提出的退火BP神经网络模型具有收敛速度快、精度高、避免陷入局部最小的优良特性。 相似文献
13.
14.
人工神经网络(Artificial Neural Networks)是模仿人脑结构和功能的一种信息处理系统。该方法在处理非线性问题上具有其独特的优越性,在工程应用中越来越被人们所关注。与此同时,神经网络计算的精度和收敛速度也成为人们普遍关心的问题。本文试验发现BP算法在归一化过程中存在最值误差和区间变形误差,在此基础上,本文对常规BP网络进行了改进,提高了BP网络的预测精度。 相似文献
15.
似大地水准面的精化与高程异常的求解是同一个概念,为提高似大地水准面精化的精度,采用格网+神经网络方法,借助神经网络BP方法,建立高程异常与坐标之间的函数关系;用训练好的神经网络模型和固定间隔的格网,建立格网模型;在已建好的格网模型中,内插出给定点的高程异常值。结合江苏省C级GPS水准网进行试验,拟合效果有明显的改进,克服了目前研究中存在的问题。 相似文献
16.
17.
结合遥感影像的特点,提出一种模糊逻辑系统和神经网络中的BP算法相结合的模糊神经网络,利用其进行整个遥感图像的分类,并和典型的BP神经网络进行对比,发现其优点以及存在的问题。 相似文献
18.
结合某大坝工程实测数据,建立该大坝位移量和相关因子的逐步回归模型和神经网络模型,并对两者模型结果进行比较,结果表明神经网络方法在大坝变形分析和预报方面效果良好。 相似文献
19.
基于小波变换的图像压缩编码是一种很有前景的图像压缩方法。用该方法对图像进行压缩时,在小坡变换中要对边界进行处理。在本文中给出一种小波变换的边界处理方法,使用该方法可使解压图像的质量有明显的改善。 相似文献
20.
Shivani Chauhan Mukta Sharma M.K. Arora N.K. Gupta 《International Journal of Applied Earth Observation and Geoinformation》2010
In the present study, Artificial Neural Network (ANN) has been implemented to derive ratings of categories of causative factors, which are then integrated to produce a landslide susceptibility zonation map in an objective manner. The results have been evaluated with an ANN based black box approach for Landslide Susceptibility Zonation (LSZ) proposed earlier by the authors. Seven causative factors, namely, slope, slope aspect, relative relief, lithology, structural features (e.g., thrusts and faults), landuse landcover, and drainage density, were placed in 42 categories for which ratings were determined. The results indicate that LSZ map based on ratings derived from ANN performs exceedingly better than that produced from the earlier ANN based approach. The landslide density analysis clearly showed that susceptibility zones were in close agreement with actual landslide areas in the field. 相似文献