共查询到18条相似文献，搜索用时 62 毫秒
1.
用人工神经网络进行空间不完备数据的插补 总被引：2，自引：0，他引：2
在地学研究中,特别是区域性资料处理过程中,常常遇到“不完备数据”的问题,即所谓的“数据不全”。在尽量减小估计误差的条件下对缺失数据进行预测或插补,对于充分利用历史资料和已知信息,提高预测质量具有重要意义。利用径向基人工神经网络(RBF)同时具有自组织神经网络和回归网络的优点,可以对缺失数据进行预测。实际区域地球化学数据处理的结果表明,RBF网络对空间不完备数据的建模和预测具有优异的效果。 相似文献
2.
3.
利用径向基函数(RadialBasisFunction,RBF)神经网络的原理对储层参数(孔隙度、渗透率)进行了预测,运用有效测井数据和岩心测试资料作为网络模型的学习样本,通过网络的学习、训练,建立了测井解释的RBF神经网络模型。应用此模型定量计算了鄂尔多斯盆地杭锦旗地区多口井的碎屑岩层的孔隙度和渗透率。与用传统的统计方法比较,神经网络的方法显示出了更好的精度和更强的实用性。 相似文献
4.
针对岩土体变形行为预测中观测数据的有限性以及信息的不完备性,提出以分段插值或Boostrap重采样对有限观测数据再生以增强数据细节信息,以坐标变换或状态空间重构改变时序数据的表示形式,并重写原有不显著的规律的研究方法。在深入分析方法中重采样、混沌辨识、相空间重构的嵌入维数和延迟时间等关键技术的基础上,分别采用支持向量机、径向基函数前向型神经网络（RBF）以及反馈型神经网络（Elman）,对3组不同特征工程算例的岩土体变形时序在数据再生和空间重构前后进行预测对比研究。结果表明,变形时序的数据再生与重构能够极大地扩充数据细部特征信息和凸显岩土体变形演化的本质规律,以此数据建立的SVM预测模型,其可靠性和准确性优于以原始数据SVM、RBF和Elman建模预测效果。 相似文献
5.
6.
基于免疫RBF神经网络的深基坑施工变形预测 总被引：2，自引：0，他引：2
基坑工程由于受多种因素的影响,目前已成为岩土工程中的重点和难点。在基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过现场量测的深基坑围护结构变形信息资料,对实测数据进行整理和分析,利用神经网络对支护结构的变形作出预测,以保证基坑安全施工。研究了一种基于免疫识别原理的径向基函数神经网络学习算法,该算法将所识别的数据作为抗原,抗体为抗原的压缩映射并作为神经网络模型的隐层中心,采用最小二乘法确定权值,提高了RBF神经网络收敛速度和精度,将人工免疫RBF神经网络应用于时间序列预测中,工程实例计算证明了算法的有效性和可行性,为时间序列预测提供了一种新途径。 相似文献
7.
建立三维矿体模型是数字矿山、智慧矿山的基础.针对经典径向基函数曲面重建算法在原始数据稀疏时出现曲面边界自拟合及模型不连续现象,提出了一种集成多种机器学习模型的径向基函数曲面复杂矿体三维建模方法.该方法利用Stacking模型学习矿体轮廓线离散化点云数据的分布特征,建立表征矿体模型几何信息的有向点集;在此基础上提取边界点及法向量,通过Hermite型径向基函数建立隐式场,最后基于行进四面体算法建立三维矿体模型.与轮廓线拼接法、经典径向基函数曲面重建算法、简单克里金插值法相比,该方法能够有效减少曲面边界自拟合现象,减少模型多余孔洞,提高模型的连续性;建立的模型所切轮廓线与原始轮廓线相似度达75.14%,与人工干预程度较高的显式模型相当;在体积表征上与显式模型的差距达到最低. 相似文献
8.
通过对广州市南沙地区大量软土物理力学试验和微结构分析,获取了40组软土试样的物理力学性质指标和微观结构参数。综合运用灰色关联分析的数据分析能力和人工神经网络的非线性映射功能,建立了软土物理力学性质指标与微结构参数的灰色关联-径向基神经网络模型。该模型利用灰色关联分析方法对数据进行预处理,提取重要因子作为网络的输入,而径向基神经网络充分利用样本数据信息,自适应确定隐含层节点个数、径向基函数中心、宽度以及网络的权系数。克服了传统RBF网络隐层节点数为样本个数,当数据较多时导致网络结构庞大、学习速度慢的缺点。通过模型A和模型B的实例研究表明,该方法简化了网络结构,提高了训练速度和预测精度,为软土物理力学性质与微结构参数关系的定量研究提供了一条有效途径。 相似文献
9.
地震勘探广泛应用于油气、煤田勘探。地震波场数值模拟是整个地震勘探数据处理技术的基石。将径向基函数（RBF）引入地震声波波场数值模拟中,在空间上用径向基函数无网格法来构造二阶导数,而在时间上采用简单的二阶差分公式,并重点讨论了形状参数c对该方法精度的影响,总结c经验取值范围为2~4倍平均数据点间距。设计不同模型,利用径向基函数无网格法进行声波波场模拟,并与空间四阶时间二阶的有限差分计算结果进行对比,结果表明:同样精度下,径向基函数每个波长所取的数据点数远小于空间四阶矩形网格有限差分每个波长所取的网格点数,即径向基函数的空间采样率更低,这表明径向基函数具有更小的数值频散。 相似文献
10.
11.
This study examined the spatial-temporal variations in seismicity parameters for the September 10th, 2008 Qeshm earthquake in south Iran. To this aim, artificial neural networks and Adaptive Neural Fuzzy Inference System (ANFIS) were applied. The supervised Radial Basis Function (RBF) network and ANFIS model were implemented because they have shown the efficiency in classification and prediction problems. The eight seismicity parameters were calculated to analyze spatial and temporal seismicity pattern. The data preprocessing that included normalization and Principal Component Analysis (PCA) techniques was led before the data was fed into the RBF network and ANFIS model. Although the accuracy of RBF network and ANFIS model could be evaluated rather similar, the RBF exhibited a higher performance than the ANFIS for prediction of the epicenter area and time of occurrence of the 2008 Qeshm main shock. A proper training on the basis of RBF network and ANFIS model might adopt the physical understanding between seismic data and generate more effective results than conventional prediction approaches. The results of the present study indicated that the RBF neural networks and the ANFIS models could be suitable tools for accurate prediction of epicenteral area as well as time of occurrence of forthcoming strong earthquakes in active seismogenic areas. 相似文献
12.
13.
14.
径向基神经网络在地面沉降预测中的应用 总被引：1，自引：0，他引：1
基于MATLAB6.5平台编程,利用前四年的沉降量作为输入神经元,后一年的沉降量作为输出神经元,重复此过程,构建了上海高桥地区地面沉降预测径向基神经网络.以历史沉降数据为训练样本,并对其进行归一化处理,在此基础上,采用未归一化及归一化后的训练样本进行网络训练与检验.结果表明,归一化后的训练样本训练得到的径向基网络具有良好的预测性能.最后利用该网络对1990-2010年的地面沉降量进行了预测. 相似文献
15.
小波分析和RBF神经网络在地基沉降预测中的应用研究 总被引：4，自引：2，他引：2
地基沉降是一种危害很大的环境灾害。地基沉降的监测数据经常受降雨及工程施工等诸多外界因素的干扰,故而在沉降曲线中存在许多数据突变点。为此,提出基于小波分析与RBF神经网络相结合的新的地基沉降预测方法,首先采用小波分析对对原始监测数据进行数据去噪处理,进而得到反映实际变化的地基沉降曲线,然后采用径向基函数（RBF）神经网络方法对其进行预测,为工程设计提供依据。最后结合工程实例分析,通过多种小波去噪与预测结果的对比研究,表明3次B样条小波的去噪及预测效果最好,与实测值能较好地吻合,具有较好的工程应用前景。 相似文献
16.
岩溶水系统的径向基神经网络仿真 总被引：1，自引：0，他引：1
岩溶水系统的复杂性决定了其输入与输出间具有非常复杂的非线性关系,利用人工神经网络方法进行系统的仿真是一种十分有效的手段。本文以MATLAB为平台,介绍了RBF网络的基本原理与训练方法,具有结构自适应确定、输出不依赖初始权值的优良特性。试用该方法建立了济南市岩溶水系统地下水位及其影响因子间的RBF网络模型,讨论了训练样本集与检测样本集的构建、原始数据的预处理方法、神经网络训练误差设置等重要环节,并与同结构的BP网络进行了对比,其结果BP网络效果依赖初始权值,表现出极不稳定性,且训练速度更慢,RBF网络具有更好的应用价值。 相似文献
17.
SOM-RBF神经网络模型在地下水位预测中的应用 总被引：1，自引：0，他引：1
利用自组织映射(SOM)聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法,减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类,利用聚类后的二维分布图确定隐层节点的数目,并根据聚类结果计算径向基函数的宽度,确定径向基函数的中心,由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例,采用2000—2009年观测的地下水位动态资料,利用SOM-RBFN模型对地下水位进行预测,验证其准确性,并分别以5、7、10a的地下水位动态数据为研究样本建立模型,考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中,均方根误差(RMSE)的均值为0.43,有效系数(CE)的均值为0.52,均达到较高标准,因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68,结果优于RBF5和RBF10,这就意味着在模型计算中样本数量不会直接影响预测结果的精度。 相似文献