共查询到20条相似文献，搜索用时 546 毫秒
1.
遗传优化神经网络方法在桥梁震害预测中的应用 总被引：5，自引：1，他引：4
本文将遗传算法与神经网络相结合,从而建立了一种高效的、实用的桥梁震害预测方法。根据遗传算法具有局部寻优的特点,为避免BP神经网络陷入局部极小值,本文将二者结合起来形成GA-BP混合算法,以GA优化神经网络的初始权值和阈值,对网络进行训练。在大量收集梁式桥震害资料的基础上,将此算法引入桥梁的震害预测中,并与传统的单独BP神经网络相比较,结果表明该方法能够有效、准确地对桥梁结构进行震害预测。 相似文献
2.
3.
将遗传算法(GA)和反向传播算法(BP算法)相结合成为GA-BP算法，以此建立了遗传BP神经网络．并将以BP算法为基础的BP神经网络及以GA-BP算法为基础的遗传BP神经网络用于对地震和爆破的识别中．得到的结果表明:遗传BP网络比BP网络对事件的识别能力略好些． 相似文献
4.
联合高精度的GPS水平位移观测和高密度的PS-InSAR雷达视线位移测量,实现地表三维形变的精确反演.本文在准确计算卫星轨道方位角基础上,使用GPS观测位移与星载雷达LOS方向形变的投影转换模型,将雷达LOS方向形变转换为垂直方向位移,并基于地面GPS与SAR影像PS目标联合构建形变监测网,采用参数平差算法估计区域地表形变场.以地质构造活动极其活跃的台湾岛及其西南屏东高雄地区为例,联合屏东地区48个GPS监测台站与雷达PS目标,监测该地区从1995-1999年间由于板块构造挤压运动和地下水抽取导致的三维地表形变.结果表明,该地区年均水平位移量为向西30~50 mm/a,高雄沿海地区发生明显的逆时针西偏南的逐渐增大的水平位移;垂直位移为屏东平原南部呈现-10 mm/a~-15 mm/a的地面沉降,而平原北部和高雄地区呈现约+5 mm/a~+10 mm/a的地面抬升. 相似文献
5.
InSAR与概率积分法联合的矿区地表沉降精细化监测方法 总被引：1，自引：0，他引：1
结合InSAR与概率积分法的优势,提出一种InSAR和概率积分法联合进行矿区地表沉降的精细化监测方法.该方法首先计算InSAR时序累积沉降盆地,进而建立判别大梯度形变的约束条件,区分沉降边缘与沉降中心.对于形变较小的沉降边缘,保留InSAR结果,而对于大梯度沉降中心,则结合InSAR与概率积分模型建立矿区工作面的沉降盆地,并通过空间插值,获取地理坐标系下连续的地表沉降信息,最终得到完整的矿区地表沉降结果.论文以山东某矿区为研究区域,采用2016年10月16日 2018年3月4日期间的21景SAR影像和工作面水准实测数据对该方法的可行性和精度进行了验证.结果 表明,该方法能够在减少水准监测工作量的前提下,获得与实际情况相吻合的沉降结果,其监测能力明显优于常规InSAR和概率积分法,可有效弥补两种技术单独在矿区地表沉降监测中的不足,获取更为准确、可靠的矿区地表沉降信息. 相似文献
6.
基于GA-BP理论的储层视裂缝密度地震非线性反演方法 总被引：2，自引：7，他引：2
基于GA-BP理论,将自适应遗传算法与人工神经网络技术(BP算法)有机地相结合,形成了一种储层裂缝自适应遗传-神经网络反演方法.这种新的方法是由编码、适应度函数、遗传操作及混合智能学习等组成,即在成像测井裂缝密度数据约束下,通过对目标问题进行编码(称染色体),然后对染色体进行选择、交叉和变异等遗传操作,使染色体不断进化,从而快速获得全局最优解.在反演执行过程中,利用地震数据和成像测井裂缝密度数据之间的非线性映射关系建立训练样本,将GA算法与BP算法有机地结合,优化三层前向网络参数;或将GA与ANFIS相结合,优化ANFIS网络参数.并采用GA算法与TS算法(Tabu Search)相结合的自适应混合学习算法,该学习算法自始至终将GA和BP两种算法按一定的概率比例进行,其概率自适应变化,以达到混合算法的均衡.这种混合算法提高了网络的收敛速度和精度.我们分别利用两个研究地区的6井和1井成像测井裂缝密度数据与地震数据之间的非线性映射关系建立训练样本,对过这两口井的测线的地震数据进行反演,获得了视裂缝密度剖面,视裂缝密度剖面上裂缝分布特征符合沉积相分布特征和岩石力学性质的变化特征.这种视裂缝密度剖面含有储层裂缝的定量信息,其误差可为油气勘探开发实际要求所允许.因此,这种新的方法优于只能作裂缝定性分析的常规裂缝地震预测方法,具有广阔的应用前景. 相似文献
7.
针对PSInSAR技术监测大空间尺度地表垂直形变场的不足,提出通过基准转换与数据拼接、融合不同轨道多个独立片区(Frame)获取大空间尺度地表垂直形变场方法.由于不同轨道主影像选取的参考基准不一致、不同轨道垂直基线不同、不同片区相位解缠的参考PS不同等因素影响,使得PSInSAR获得的不同轨道地表垂直形变场的空间基准存在差异,提取的地表形变信息不具有可比性.利用两个相邻片区重叠区域的PS点集,根据迭代最近点算法提取两片区公共区域内同名点,并兼顾同名点距离的权,精确计算两片区的配准参数,实现两片区的"无缝"连接,最后使各独立片区拼接成一个连续的大空间尺度地表垂直形变场.本文推导了多轨PSInSAR技术获得的不同片区形变场基准转换与数据拼接的数学模型,并以华北平原(115.32°E—118.79°E, 36.81°N—40.58°N)为实验区,解析了3个不同轨道共12个片区PS目标,获取了研究区2006—2010年地表垂直形变速度场.分析表明:(1)研究区大范围处于下沉状态,形成以北京、廊坊、天津、沧州、泊头—德州等城市为中心向外扩展的地表沉降发展态势,几个沉降中心的平均沉降速率分别达到-34.7 mm/a、-26.3 mm/a、-64.2 mm/a、-34.6 mm/a和-37.7 mm/a;(2)地表沉降的空间分布特征表明,城市工业生产和生活抽取地下水是地表沉降的主要诱因,农业灌溉和油气开采是导致华北平原大范围地表沉降的另一个重要因素;(3)研究区最大沉降带沿北北东向展布,与区内断裂分布一致,表明沉降的空间分布受到断裂带控制;(4)利用地表同期一等水准测量成果检验了本研究结果,精度达到4.72 mm,表明本文提出的数据处理策略能够满足大时空尺度地表形变监测的需求. 相似文献
8.
选用10景RADARSAT-2降轨宽幅雷达干涉数据,利用相干点目标PS-InSAR技术进行时间序列处理,获取了山西断裂带北部特定区域内2011—2014年地表形变场。结果表明:(1)断裂带中段的定襄县平原区域有较好的相干性,沿卫星视线向(LOS)的年形变速率最小值为-5±2 mm/a,最大值为-14±2 mm/a,显示断裂带附近以拉张正断层活动为主兼具逆时针差异运动特征;(2)地表形变特征的空间分布表明城市工业生产和生活抽取地下水是地表形变的主要诱因,最大沉降区域沿NNE向展布与研究区内断裂一致表明形变趋势受断裂带的影响明显;(3)利用已有的GPS复测资料对识别的PS点目标进行可靠性验证,结果表明两者的观测结果能够很好的吻合,证明该方法在监测面状区域形变场运动趋势的有效性。 相似文献
9.
10.
雷达成像的波长、入射角、地面分辨率等参数严重影响着SAR差分干涉测量地面沉降的监测能力和精度,论文通过理论推导和矿区实际沉降差分干涉相位模拟,从监测到的最大沉降梯度和沉降量、保相能力、对微小沉降的敏感程度等方面对L和 C波段雷达干涉数据的矿区地面沉降监测能力进行分析;精化双轨D-InSAR数据处理的流程、方法和相应参数,使用ALOS PALSAR和ENVISAT ASAR数据获取济宁某矿区2009年12月到2010年02月期间更为精确的矿区地面沉降结果,并对沉降结果进行详细比较和系统分析.理论推导、相位模拟和真实数据实验都表明,相对于C波段的雷达干涉数据而言,L波段雷达干涉数据具有较强的保相能力,能够更好地降低失相干和相位不连续性的影响,更容易监测到沉降梯度和沉降量较大的矿区地面沉降,但对微小矿区地面沉降的敏感程度较低. 相似文献
11.
王道阔 《CT理论与应用研究》2012,21(1):43-52
本文利用计算机辅助进行在役管线焊故障缝缺陷检测,在缺陷特征提取中提出圆形度、长宽比、填充度、尖部尖锐度、对称度、灰度比以及缺陷的重心坐标相对焊缝中心的位置等7个参数作为缺陷的特征值,可有效地分类识别不同故障缺陷。在缺陷分类的解决方案上,采用具有自组织、自适应的3层前馈式神经网络,运用改进的BP算法,以焊缝缺陷的特征参数作为神经网络的训练样本。本文还通过实验的方法,分析了初始权值、隐含层的神经元数量、动量系数、误差水平及学习速率对网络训练的影响。 相似文献
12.
基于遗传算法优化神经网络权值的大坝结构损伤识别 总被引：1，自引：0，他引：1
针对传统 BP 神经网络存在着容易陷入局部极小点、训练时间太长等缺点,本文采用基于浮点编码的遗传算法,对 BP 神经网络的初值空间进行了遗传优化。用基于浮点编码的遗传算法来优化 BP 神经网络的权值,可得到最佳初始权值矩阵,并按误差前向反馈算法,沿负梯度搜索进行网络学习。文中以混凝土重力坝结构作为算例,用结构的模态频率变化作为网络的输入向量,结构的损伤位置作为输出向量,对网络进行了训练。仿真结果表明：遗传 BP 神经网络的收敛和诊断能力优于传统 BP 神经网络,可有效地运用到大坝结构的健康诊断与损伤识别中。 相似文献
13.
14.
地震预测是地震科学研究的主要领域之一。震前热异常现象(地表温度异常升高)普遍存在并且与地震三要素有复杂的非线性关系。文中结合神经网络的优点,提出将热异常信息作为地震预测的信息源,通过构建神经网络,进行地震预测的思路,并进行了试验。基于8d合成的1km分辨率的MODIS数据,利用RST算法提取震前热异常信息,在分析震前热异常信息时空变化的基础上,确定出BP神经网络的结构,利用该网络对中国及周边100个5级以上震例,以及70个随机无震样本进行训练和仿真。试验结果表明,通过RST算法提取的震前热异常指数值,用于BP神经网络地震预测是可行的,其预测的试验结果刻画出了地震要素与热异常值间的非线性相关性。未来预测区域范围的选取以及神经网络中隐层神经元的数量将对地震预测效果产生较大的影响。 相似文献
15.
为进一步提高大地电磁非线性反演的稳定性、运算效率及准确度,将遗传神经网络算法引入大地电磁反演.首先针对大地电磁二维地电模型建立BP（Back Propagation）神经网络基本框架进行学习训练,网络输入为已知地电模型的视电阻率参数,输出为该地电模型参数;再利用遗传算法对神经网络学习训练过程进行优化,计算出多种地电模型网络连接权值和阈值的最优解;最后将最优连接权值和阈值对未知模型进行反演测试,网络输入为未知地电模型的视电阻率参数,输出为该地电模型参数.模型实验表明：遗传神经网络算法充分结合了遗传算法的全局寻优性和神经网络的局部寻优性,相比单一神经网络算法,在网络学习训练中提高了解的收敛成功率和计算速度,在反演测试中能更准确地逼近真实模型.将遗传神经网络算法与最小二乘正则化反演进行对比,理论模型和实测数据都验证了遗传神经网络算法在大地电磁反演中的可行性和有效性. 相似文献
16.
城市轨道交通建设和运营造成的地铁沿线及周边区域的地表沉降,给地铁的安全运营带来极大的隐患,甚至造成严重的经济损失和不良的社会影响.本文以西安市地铁沿线地面形变现象为研究对象,利用覆盖西安市2017—2021年的44景Sentinel-1A影像数据,采用SBAS-InSAR方法获取地铁网络沿线的地表形变信息,并基于SVR模型和LSTM模型对典型地铁站点地面沉降进行预测分析.研究发现：(1)西安市地铁沿线呈现不同程度的地表形变现象,抬升区域主要集中在鱼化寨地区、电子城地区、西安城墙的南部,抬升速率最大为25 mm/a;(2) 2号线的南部、5号线的东西两段以及9号线的东段是沉降发生的主要路段,且5号线沿线整体不均匀沉降现象较为严重,最大沉降速率为32 mm/a,最大累积沉降量达130 mm;(3)通过不同预测模型实验对比,发现LSTM模型精度较高,预测结果显示2、5、9号线典型沉降区域未来四个月以每月约2.3 mm的最大速率继续沉降,需对典型沉降段进行持续监测． 相似文献
17.
控制路基沉降是公路工程中的一个关键技术问题,而路基沉降与其影响因素之间存在着线性、非线性关系。当输入自变量较多时,用传统神经网络建模容易出现过拟合现象,导致网络模型预测精度较低。针对此问题,本文用遗传算法对神经网络模型的权值和阈值进行优化,同时讨论遗传参数的设定对输出结果的影响。通过对成南高速的实测数据进行仿真,试验结果表明:优化后的BP神经网络具有较高的预测精度,预测效果明显优于传统神经网络模型的输出结果,该预测方法可作为高速公路路基长期沉降预测的一种有效辅助手段。 相似文献
18.
时序雷达干涉图中的永久散射体(PS)可看作“天然GPS点”, 以构成网络用于监测长期的地表形变. 本文提出采用邻接矩阵拓扑模型对基于Delaunay剖分算法生成的PS网络进行基线识别, 并采用时序相干最大化算法求解PS基线的线性形变速度增量和高程误差增量. 该数据模型和计算方法被应用于探测香港地区2006~2007年间的区域地表沉降. 实验研究采用由Envisat卫星ASAR传感器对该地区成像所获取的时序SAR影像作为数据源, 并联合该地区12个GPS连续运行参考站的观测数据予以大气修正和地面控制. 实验结果表明, 该模型和方法应用于地表形变测量是有效的和可靠的, PS网络方法探测地面沉降的精度约为±2.0 mm/a. 相似文献
19.
20.
合成孔径雷达干涉测量(INSAR)是开展地灾监测预警重要途径.通过获取2015年12月至2018年2月欧空局环境监测卫星IW模式下Sentinel-1A影像数据,利用StaMPS-PS (Stanford Method for Persistent Scatters PS-INSAR)技术,持续开展惠州市地表沉降形变监测.试验表明:惠州市整体形变较小,StaMAP-PS模型平均形变速率在-3～3 mm/y之间,累积沉降量最大为-24 mm,抬升量最大为8 mm.龙门县南部地区和博罗县城区有部分下沉情况,最大形变速率达到-12 mm/y;惠城、惠阳区及惠东县近海域有部分地区出现轻微的抬升,但不超过3 mm/y. 相似文献