共查询到20条相似文献，搜索用时 140 毫秒
1.
在分析传统遗传算法和模拟退火算法各自优缺点的基础上,提出把模拟退火算法和传统遗传算法相结合的混和算法,有效避免了两种算法的不足之处,并将该混和模拟退火遗传算法用于非线性的参数估计中。 相似文献
2.
针对目前概率积分法参数反演存在的问题,为了更加准确稳定地解算出概率积分法参数,在经典粒子群算法的基础上,引入自适应惯性权重以及模拟退火算法中的Metropolis准则,提出了一种基于P-SA-PSO算法的概率积分模型参数反演方法。论文通过仿真实验,与遗传算法(GA)、经典粒子群算法(PSO)以及加入自适应惯性权重优化的粒子群算法(P-PSO)进行对比分析,结果表明:新算法反演各参数的精确性、稳定性和收敛速度优于其他3种算法。将新算法引入工程实例中,进一步体现了新算法在反演概率积分模型参数上的可行性。 相似文献
3.
4.
5.
航天飞机极化干涉雷达数据反演地表植被参数 总被引：7，自引：0，他引：7
利用基于极化干涉测量的基本原理和相干散射模型。提出了基于模拟加温-退火算法的极化干涉雷达数据地表植被参数的反演算法，首先，对极化干涉测量的基本原理和一个考虑了地表和植被散射的二层相干散射模型进行了阐述。接着，对模拟退火算法的基本理论和基于模拟加温-退火算法的地表植被参数反演模型进行了论述，最后，利用和田地区1994年10月9日和10日的航天飞机SIR-CL波段单视散射短阵复数据进行了地表植被参数反演的计算，将反演结果与实测数据比较，表明该反演算法能以较好的精度获取地表植被的高度。 相似文献
6.
提出了一种基于生物地理学优化算法寻找城市扩展元胞自动机（cellular automata,CA）模型最佳参数的方法。转换规则制定及相应权重参数获取是构建城市扩展CA的核心和难点。生物地理学优化算法（biogeography-based optimization,BBO）通过模拟生物物种在栖息地的分布、迁移和灭绝来求解优化问题。利用BBO算法自动获取城市扩展CA模型参数值,构建BBO-CA模型进行城市扩展模拟实验,并与粒子群算法（particle swarm optimization,PSO）、蚁群算法（ant colony optimization,ACO）、遗传算法（genetic algorithm,GA）及逻辑回归（logistic regression,LR）等方法相比较。结果表明,BBO算法具有较好的收敛性,可有效地快速自动寻找城市扩展CA模型最佳参数组合,获取的空间变量权重参数较为合理;BBO-CA模型明显提升了城市用地模拟精度,城市用地模拟精度为72.5%,相对PSO、ACO、GA、LR各算法分别提升了1.1%、1.2%、2.7%和4.0%,Kappa系数达到0.700,分别提升了0.015、0.016、0.034和0.046,且整体空间布局与实际情况更为接近,验证了应用BBO算法的可行性与优势。 相似文献
7.
8.
随着空间大地测量观测精度的提高，大地测量反演模型也更加精确细化，对反演算法也提出了更高的要求。针对球体分层位错模型断层参数反演问题，从反演参数的敏感性与相关性两个方面入手，分析了遗传算法在反演中的缺陷，提出了迭代最小二乘算法与遗传算法相结合的组合算法，利用模拟数据反演验证了算法的有效性。在遗传算法的断层参数反演中，断层的深度和滑距往往难以得到良好的结果，主要原因首先是上深度与下深度之间以及深度与滑距之间具有很强的相关性，其次是深度和滑距的敏感性相对来说也比较低。组合算法在各种倾角的断层上都取得了理想的反演结果，具有实用性。 相似文献
9.
应用粒子群算法的遥感信息与水稻生长模型同化技术 总被引：4，自引：0，他引：4
在研究遥感信息和水稻生长模型的同化过程中, 最小化遥感反演与生长模型(RiceGrow)输出的水稻生长
信息差值绝对值时引入了一种新的优化算法-粒子群算法(PSO), 并对比了其与模拟退火算法(SA)的优缺点; 探讨
了叶面积指数(LAI)和叶片氮积累量(LNA)分别作为同化参数时的同化效果。结果表明, PSO 无论是从同化效率还是
反演精度上都要好于SA, 粒子群优化算法是一种可靠的遥感与模型同化算法; LAI 和LNA 作为外部同化参数时各
有优势, LAI 作为同化参数可获得较准确的播期及播种量, 而LNA 作为同化参数可获得更为准确的施氮量信息。但
是LAI 作为外部同化参数时的反演结果总体要优于利用LNA 作为同化参数时的反演结果。利用试验资料对该技术
进行了测试和检验, 结果显示反演的模型初始参数的平均值与真实值的相对误差(RE)均小于2.5%, 均方根误差
(RMSE)为0.7—2.2, 产量模拟值与实测值之间的相对误差为5%左右, 模拟与实测相关指标值吻合度较高, 该同化
技术具有较好的适用性。从而为生长模型从单点扩展到区域尺度应用奠定了基础。 相似文献
10.
针对传统超宽带（UWB）室内定位中非线性跟踪问题,基于当前统计（CS）模型和容积卡尔曼滤波（CKF）,本文提出了一种新的定位算法。即采用奇异值分解（SVD）代替标准CKF算法中的Cholesky分解,提高了算法的稳定性,构造了奇异值分解容积卡尔曼滤波器（SCKF）。首先在CS模型的基础上改进了先验参数的函数形式,得到改进的CS模型（MCS）,实现模型参数的自适应调整;然后将MCS模型引入SCKF滤波器,实现滤波算法的自适应调整;最后利用MCS-SCKF算法对UWB定位系统模型进行解算,从而得到移动目标位置。仿真和试验结果表明,该算法优于CS模型-卡尔曼滤波算法（CS-KF）和CS模型-SCKF算法（CS-SCKF）,提高了UWB室内定位的定位精度。 相似文献
11.
地面沉降是一个复杂的过程,较难建立准确的预测模型。传统灰色模型不能处理沉降观测值序列中的异常点,对于波动大的原始数列也没有精确预测,针对其背景值取值方法的不足,建立一种精化灰色模型(JGM(1,1)模型),分析预测结果和精度,表明该模型具有较高的预测精度和可靠性。 相似文献
12.
13.
以往的灰色GM （1,1）优化模型往往忽略了灰度模型随时间变化的灰色量和灰色过程这一重点,其中的灰色作用量是时间的线性函数,传统的模型把其看为不变常数,而对时间的精度影响没做深层次的考虑,建模时较少的考虑时间相关度和灰作用量的影响,势必会影响预测精度,造成模型效果欠佳,故本文尝试对这两个因素分别建立优化GM （1,1）模型,即引入基于时间的加权R-GM （1,1）模型和用灰作用量b1＋ b2 k替代b的K-GM （1,1）模型,并对实例数据进行分析,取得了较好的拟合与预测能力。 相似文献
14.
阐述了引入时间距离权的传统GM(1,1)模型的建模过程以及灰色模型等级的判断方法,深入分析了白化背景参数λ取值对建模精度的影响;同时针对传统λ取值的缺陷,提出使用基于实数编码的改进遗传算法(IRCGA)对其进行优化处理,并用多个工程实例分析验证了优化后的GM(1,1)模型相对传统的灰色模型及其优化模型拟合效果更好,更加贴近真实数据序列。 相似文献
15.
16.
根据灰色系统理论,可以将公路隧道的沉降过程看做一个灰色系统。本文对传统的GM(1,1)模型中的初始值、背景值进行改进,得到改进的GM(1,1)模型,并将其应用到公路隧道的沉降预测中。通过实例验证,改进的GM(1,1)模型的模拟和预测精度比传统的GM(1,1)模型有显著提高。 相似文献
17.
基于6S传输模型,本文利用中分辨率成像光谱仪（MODIS）数据并结合较新的NASA的V5．2气溶胶业务反演算法,以上海市MODIS数据为研究数据源,结合晴朗天气（晴朗且无云或云稀薄）与AERONET发布的探测日（即发布AOD探测值日期）选取8组MODISLIB数据集,对其进行气溶胶厚度反演。同时将反演结果与AERONET架设在太湖区域点（31N,120E）的太阳光度观测的光学厚度进行验证。结果表明：V5．2反演算法结果与观测值呈现相同的变化趋势,反演值与观测值误差不大,在气溶胶光学厚度反演中具有较好的应用。 相似文献
18.
基于元胞自动机的遗传神经网络在土地利用变化模拟分析中的应用 总被引：2，自引：0，他引：2
元胞自动机模型在土地扩展的转换规则设计上具有随机性,受周围环境影响较大。文中建立基于BP神经网络和遗传神经网络算法优化的元胞自动机土地扩张模型,对广州市2009—2011年进行城市扩张模拟分析。实验结果显示:BP神经网络能够较好地模拟分布较集中的耕地和林地等区域,精度可达到70%以上,而对于面积较零碎的建筑用地区域,模拟效果较差;而遗传神经网络优化算法能够总体提高模拟精度约5%,部分精度能提高至20%。同时,该算法还能充分考虑影响土地变化的各种扰动因素,优化选择驱动因子和缩短迭代次数,对于城市土地扩张研究具有可行性。 相似文献
19.
JIAO Limin LIU Yaolin 《地球空间信息科学学报》2007,10(2):151-156
A novel model of land suitability evaluation is built based on computational intelligence (CI). A fuzzy neural network (FNN) is constructed by the integration of fuzzy logic and artificial neural network (ANN). The structure and process of this network is clear. Fuzzy rules (knowledge) are expressed in the model explicitly, and can be self-adjusted by learning from samples. Genetic algorithm (GA) is employed as the learning algorithm to train the network, and makes the training of the model efficient. This model is a self-learning and self-adaptive system with a rule set revised by training. 相似文献
20.
为了获得对中国大陆地区2009年爆发的甲型H1N1流感疫情的时空分布的认识,以中国省级甲流疫情的逐月时空数据（时间序列为2009年5月至2010年3月）为研究对象,采用空间自相关方法对其进行了分析。结果发现,甲流传播的集聚性是由弱到强变化的,疫情大致经历了三个阶段：早期的随机分布、中期的扩散以及后期的集中控制;广东、北京、浙江是疫情最为严重的地区,但高高疫情相邻的省份不多;统计学上显著的疫情爆发热点集中在中东部的浙江、江苏、上海、福建等地,聚集重心并未随着时间发生转移。 相似文献