首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到16条相似文献,搜索用时 125 毫秒
1.
针对传统单一灰色最小二乘支持向量机(GLSSVM)高程拟合方法的不足以及LSSVM模型参数选择的随机性,该文提出了一种基于PSO-GA算法优化的灰色最小二乘支持向量机高程拟合模型。模型将灰色模型与最小二乘支持向量机模型相结合,建立GLSSVM模型,并结合粒子群算法与遗传优化算法寻找GLSSVM模型的最优参数组合。为进一步验证提出模型的可靠性与有效性,通过具体工程实例,并将拟合结果分别与粒子群算法优化的最小二乘支持向量机模型(PSO-GLSSVM),遗传算法优化的最小二乘支持向量机模型(GA-GLSSVM)及单一GLSSVM模型进行对比分析,结果表明,PSO-GA-GLSSVM模型拟合精度更好,可靠性更高,为高程拟合研究提供了一种思路。  相似文献   

2.
基于最小二乘支持向量机回归的GPS高程转换模型   总被引:2,自引:0,他引:2  
探讨了将最小二乘估计引入到支持向量机中,给出最小二乘支持向量机回归(LS-SVR)算法,该算法用等式约束代替传统支持向量机回归中的不等式约束,使得求解过程更为简单。将构建的LS-SVR模型应用到GPS高程转换中,提出该回归模型的实现步骤。实例表明,在有限样本情况下,LS-SVR完全可以达到与传统GPS高程拟合方法相同的精度,但实现起来更简单,而且在泛化性能方面具有理论上的保证。  相似文献   

3.
针对最小二乘支持向量机(least square support vec-tor machine,LSSVM)模型参数选择存在随机性与单一优化算法寻找参数存在局限的问题,将遗传算法(genetic algo-rithm,GA)、粒子群优化(particle swarm optimization,PSO)算法引入LSSVM模型,建立了基于粒子群-遗传算法(PSO-GA)优化的LSSVM沉降预测模型.将GA嵌入PSO算法,降低了模型参数寻优陷入局部最优的可能,提高模型拟合精度.结合具体工程实例,将提出的模型与LSSVM模型、PSO算法优化的LSSVM(PSO-LSSVM)模型、GA优化的LSSVM(GA-LSSVM)模型进行对比,结果表明改进模型的精度更好,稳定性更强.  相似文献   

4.
GPS高程拟合支持向量机模型   总被引:1,自引:0,他引:1  
为了快速获取GPS高程异常值,提出了基于最小二乘支持向量机(LS—SVM)的GPS高程异常值求取模型,介绍了最小二乘支持向量机的原理与优越性。利用该模型进行了高程异常的拟合,并对已知点进行了检验。结果表明:其结果是可靠的,在有限样本情况下完全可以达到传统GPS高程拟舍的效果,且其实现起来更简单,具有一定的科学性和实用性。  相似文献   

5.
全球定位系统(GPS)高程测量成果不如传统方法测量的精度高,并存在高程异常问题,通过引入最小二乘支持向量机原理,建立GPS支持向量机高程异常模型,构建GPS高程异常模型的MATLAB程序,大大提高了高程测量精度。阐述了实现GPS高程异常拟合的关键技术。  相似文献   

6.
采用支撑向量机(Support Vector Machine,SVM)模型进行GPS高程拟合时,拟合精度受模型参数(核参数和惩罚因子)选择影响较大,传统交叉验证法存在计算复杂,易陷入局部最优的问题.本文将粒子群(Particle Swarm Optimization,PSO)算法引入SVM模型,利用PSO全局搜索能力强和收敛速度快的特点对SVM模型进行优化,提升GPS高程拟合精度的同时增强模型的泛化适应性.最后基于实际算例对所提方法的拟合性能进行验证,结果表明相对于传统交叉验证SVM模型,所提PSO-SVM模型能够获得更高的拟合精度,并且对复杂地势具有更强的适应能力.  相似文献   

7.
针对山区样本数据有限的情况,提出一种支持小样本数据处理和高抗噪声能力的模糊最小二乘支持向量机(FLS-SVM)方法。采用基于混沌粒子群(CPSO)的向量机模型参数优化方法,避免了人为参数选择的不确定性,并考虑山区地形起伏的影响,引入地形改正量构建支持向量机训练模型。试验结果表明,考虑地形起伏在内的基于CPSO优化的FLS-SVM模型与传统拟合算法如PSO-LSSVM和GA-LSSVM相比,能够利用有限样本获得更高精度的拟合效果,适用于SRTM正高数据获得正常高的应用中。  相似文献   

8.
将二次曲面、BP神经网络、最小二乘支持向量机应用与高程异常拟合,并用某地区数据进行了实验验证,结果表明,最小二乘支持向量机应用于高程异常拟合精度最优。  相似文献   

9.
GPS技术因其诸多优点在工程测量中被广泛应用,最小二乘支持向量机应用于GPS高程拟合有着一定的优势。最小二乘支持向量机在处理非线性问题时,采用核函数代替内积计算,巧妙地解决了高维计算问题。文中综述了最小二乘支持向量机常用的几种核函数,用实验进行对比分析,结果表明,采用几种核函数都取得较好的效果,采用径向基核函数时效果最优。  相似文献   

10.
针对GPS高程拟合过程中GPS基线观测量和水准高程观测量含有误差且残差中误差不相同的情况,在整体最小二乘(TLS)基础上引入比例因子λ来确定残差中误差的大小,即比例整体最小二乘(STLS)。实例计算表明,STLS比TLS和LS能够得到更好的估计参数,高程异常值拟合精度也相应提高。  相似文献   

11.
针对滑坡位移时间序列的非线性特性,引入基于相空间重构和最小二乘支持向量机(LSSVM)的预测法.利用Cao氏方法确定嵌入维数,根据互信息法计算最佳延迟时间;然后在相空间中,利用最小二乘支持向量机(LSSVM)建立预测模型,对滑坡进行了实证计算,且与LSSVM模型和BP神经网络模型进行了比较.结果表明,模型具有较高的精度...  相似文献   

12.
针对滑坡位移时间序列的非线性特性,引入基于相空间重构和最小二乘支持向量机(LSSVM)的预测法.利用Cao氏法确定嵌入维数,计算最佳延迟时间;在相空间中,利用LSSVM建立预测模型,以实例对滑坡进行计算,对LSSVM模型和BP神经网络模型进行了比较.结果表明:基于相空间重构和LSSVM的滑坡预测模型具有较高的精度,是科...  相似文献   

13.
在工程实践应用中,为了有效利用GPS高程数据,减少对传统水准测量的依赖,提高GPS高程异常的拟合精度便显得十分重要。为此,本文在介绍二次曲面拟合和最小二乘配置拟合基本原理分析、算法过程推导的基础上,提出了一种新的高程异常拟合方法。首先在二次曲面拟合的基础上,计算得到原始观测数据与拟合数据之间的残差序列,然后采用最小二乘配置模型对包括二次曲面拟合模型误差的综合误差进行优化减弱,最后得到新的高程异常。通过实例,将二次曲面拟合法,最小二乘配置法与文中提出的新方法进行比较分析。结果表明:新的组合方法的拟合预测精度要明显优于最小二乘配置及二次曲面拟合。  相似文献   

14.
支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性.  相似文献   

15.
针对GPS高程拟合这一问题,介绍了等值线法、解析拟合法等传统GPS高程拟合方法,并选用丹麦法计算权因子,构造等价权矩阵,结合总体最小二乘法抵抗粗差点对GPS高程拟合结果的影响。结果表明:等值线法与其它两种方法对不含粗差的等精度观测数据拟合的效果相当;基于丹麦法计算权因子的抗差总体最小二乘法对不等精度观测数据的偶然误差处理效果更佳,且通过权因子可以有效处理粗差点对高程拟合的影响,拟合效果更佳。   相似文献   

16.
经典的平差函数模型中只含有无先验统计信息的非随机参数,而针对附有随机参数的平差问题具有很大的局限性,为此在GPS高程拟合中,本文用最小二乘配置模型解决了这一问题,并且通过实际算例,设计两种最小二乘配置拟合方案与二次曲面拟合法进行了比较,结果表明,最小二乘配置拟合残差较小,外符合精度较高,高程拟合效果更好。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号