共查询到18条相似文献，搜索用时 93 毫秒
1.
刘忠豹 《大地测量与地球动力学》2019,39(5):528-532
提出自适应粒子群神经网络（ADPPSO-BP）算法，并加入自适应变异算子，提高粒子跳出局部搜索的能力，实现对坝体位移的精准预测。以丰满大坝为例进行验证，建立PSO-BP（粒子群神经网络）、LPSO-BP（线性粒子群神经网络）、改进ADPPSO-BP（改进自适应粒子群神经网络）3种模型，对大坝进行变形预测。结果表明，ADPPSO-BP预测误差最小。 相似文献
2.
为解决难以用确定机理模型描述的非线性系统状态预报问题,提出一种基于过程神经网络的预报模型及其算法.利用过程神经网络对动态系统的非线性映射机制和直接辨识建模能力,面向系统状态参数预测,建立一种反映系统过程模态特征变化的过程神经网络模型,分析模型的预测机制,给出相应学习算法.为弥补实际采样数据不足及提高数据信息利用率,利用... 相似文献
3.
针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型.为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度.以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证.结... 相似文献
4.
内陆水体叶绿素a浓度是衡量水体富营养化程度的主要指标，是影响水体反射率光谱特征的重要因素之一。本文以白洋淀烧车淀、圈头乡各村庄等水域为研究区，采集了高光谱数据和水样，并在实验室测定叶绿素a等水质参数，应用于白洋淀区域的叶绿素a高光谱遥感反演。针对线性降维方法特征提取能力不足和神经网络构建叶绿素a遥感反演模型时学习效率低、泛化能力差的问题，提出了堆栈自编码器粒子群优化BP神经网络模型。该模型利用堆栈自编码器强大的非线性变换能力，通过最小化重构误差来学习高光谱数据特征，在实现数据降维的同时最大程度保留原始光谱数据中的水体辐射信息，提取出实测水体光谱的深度特征，将BP神经网络初始权重作为粒子的位置向量，通过粒子群算法搜寻网络初始权重的最优值，降低出现局部极值的概率，提高模型的稳定性和反演的精确度。堆栈自编码器粒子群优化BP神经网络模型(R2=0.82,RMSE=2.65μg/L,MAE=1.89μg/L)相较于对高光谱数据不降维的BP神经网络模型(R2=0.75,RMSE=3.16μg/L,MAE=2.39μg/L)、基于主成分分析法降维的BP神经... 相似文献
5.
利用混沌粒子群算法确定河流水质模型参数 总被引：1，自引：0，他引：1
将混沌寻优思想引入到粒子群优化算法中,提出了混沌粒子群算法,这种方法利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的粒子进行混沌寻优.通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度.并将混沌粒子群算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据以及确定河流水质参数的函数优化问题,结果表明,混沌粒子群算法的收敛性能明显优于粒子群优化算法. 相似文献
6.
伺服系统大多是非线性系统,难以对其建立准确的控制模型,其位置、和速度检测信号易受干扰,而小波网络具有多分辨率特性和任意逼近能力。利用其非线性映射能力对系统的输入输出关系进行模拟,将小波网络和模糊规则结合对系统的位置和速度进行辨识,动态调整网络的权值W和模糊规则,将非线性映射的问题转化为求解系统最优解,从而产生一种新的系统辨识方法,并以永磁伺服系统为例,设计了辨识的结构模型和策略,实验表明该算法可以达到较高的系统控制要求。 相似文献
7.
为了改善传统的人工神经网络,在训练过程中容易陷入局部最小导致应用于水资源评价时存在对训练样本的拟合精度不高的缺点,采用粒子群算法优化人工神经网络的权值和阈值,然后将其应用于中国12个地区的水资源可持续利用系统评价实例中,并和传统的人工神经网络进行了对照。结果表明,基于粒子群算法的人工神经网络和传统的人工神经网络相比,能较好的提高对训练样本的拟合精度,表明基于粒子群算法的人工神经网络,用于水资源可持续利用系统评价是可行的。 相似文献
8.
为了改善传统的人工神经网络,在训练过程中容易陷入局部最小导致应用于水资源评价时存在对训练样本的拟合精度不高的缺点,采用粒子群算法优化人工神经网络的权值和阈值,然后将其应用于中国12个地区的水资源可持续利用系统评价实例中,并和传统的人工神经网络进行了对照。结果表明,基于粒子群算法的人工神经网络和传统的人工神经网络相比,能较好的提高对训练样本的拟合精度,表明基于粒子群算法的人工神经网络,用于水资源可持续利用系统评价是可行的。 相似文献
9.
10.
针对粒子群优化算法易陷入局部最优并难以跳出的缺陷,提出了一种改进的算法。算法在采用自适应惯性权重基础上,引入粒子群局部收敛判断机制,对陷入局部最优的粒子采取新的进化模型以增加群体的多样性,进而降低了群体早熟收敛。通过新进化模型的粒子群优化算法对4个基准函数反复试验,仿真结果表明改进的粒子群算法具有更好的收敛精度并且可以有效避免早熟收敛问题,寻找到全局最优解。 相似文献
11.
???λ????????????????????λ???????????PSO?????????????????????????????????????????????????????????????3?????????????????????????Χ??????????????????????????????????PSO????????????????????????????PSO?????????PSO???????????????????????????????0.95???????￡???????PSO??????PSO???????????26.50%?????????????PSO???????????????ж??ε??????????????з?????????????????????????PSO???????????36.34%??????????????????????????????;???????????ж?????????????????????,??????????????? 相似文献
12.
本文利用RANSAC-PSO算法研究在反演断层滑动参数时所用大地测量数据包含粗差的问题。在模拟实验中对理论观测值加入1%、5%、10%粗差，分别采用粒子群算法、选权迭代算法和RANSAC-PSO算法反演断层滑动参数。结果表明，当观测值中包含粗差率达10%时，PSO算法反演的滑动参数与理论值相差23.2 cm，选权迭代法反演的滑动参数与理论值相差26.2 cm，而RANSAC-PSO反演的滑动参数与理论值相差小于1 cm。芦山地震具有以逆冲为主兼具少量左旋走滑性质，采用芦山地震同震GPS位移数据分别以PSO算法和RANSAC-PSO算法反演断层滑动参数，RANSAC-PSO算法反演的走滑量为0.051 8 m，倾滑量为0.828 9 m，均大于PSO的反演结果;释放能量1.000 9×1019 N·m（MW6.63），与GCMT 的1.060 0×1019 N·m更加吻合。分别用RANSAC-PSO算法与PSO算法反演的滑动参数计算地表水平位移,并与GPS观测进行对比，发现二者在计算距断层的远场点时，计算的水平位移基本一致；而在计算距断层的近场点时，RANSAC-PSO算法表现更为优秀，尤其体现在LS07点上，其计算值与GPS观测值完全重合。 相似文献
13.
???Goldstein??????????????????????????????????????????????λ??????????????????????????????????????????????????????????????????????????????????????????????????????????·???????????Щ???·????????????С???????????????????δ???????????????????????????????????????????????????????????????Ч?? 相似文献
14.
《世界地质(英文版)》2016,(1):33-40
BP( Back Propagation) neural network and PSO( Particle Swarm Optimization) are two main heuristic optimization methods,and are usually used as nonlinear inversion methods in geophysics. The authors applied BP neural network and BP neural network optimized with PSO into the inversion of 3D density interface respectively,and a comparison was drawn to demonstrate the inversion results. To start with,a synthetic density interface model was created and we used the proceeding inversion methods to test their effectiveness. And then two methods were applied into the inversion of the depth of Moho interface. According to the results,it is clear to find that the application effect of PSO-BP is better than that of BP network. The BP network structures used in both synthetic and field data are consistent in order to obtain preferable inversion results. The applications in synthetic and field tests demonstrate that PSO-BP is a fast and effective method in the inversion of 3D density interface and the optimization effect is evident compared with BP neural network merely,and thus,this method has practical value. 相似文献
15.
Prediction of reservoir fracture is the key to explore fracture-type reservoir. When a shear-wave propagates in anisotropic media containing fracture,it splits into two polarized shear waves: fast shear wave and slow shear wave. The polarization and time delay of the fast and slow shear wave can be used to predict the azimuth and density of fracture. The current identification method of fracture azimuth and fracture density is cross-correlation method. It is assumed that fast and slow shear waves were symmetrical wavelets after completely separating,and use the most similar characteristics of wavelets to identify fracture azimuth and density,but in the experiment the identification is poor in accuracy. Pearson correlation coefficient method is one of the methods for separating the fast wave and slow wave. This method is faster in calculating speed and better in noise immunity and resolution compared with the traditional cross-correlation method. Pearson correlation coefficient method is a non-linear problem,particle swarm optimization( PSO) is a good nonlinear global optimization method which converges fast and is easy to implement. In this study,PSO is combined with the Pearson correlation coefficient method to achieve identifying fracture property and improve the computational efficiency. 相似文献
16.
以三峡库区秭归-巴东段为例,将地理加权回归(GWR)模型引入到研究区的空间尺度分割方法中,利用粒子群优化(PSO)算法对支持向量机(SVM)模型参数进行优化,构建GWR-PSO-SVM耦合模型,完成研究区滑坡易发性评价,并与传统的PSO-SVM耦合模型结果进行对比。结果表明,在特定类别精度分析、总体预测精度分析和曲线下面积分析中,本文方法评价效果均优于传统方法。 相似文献
17.
组合导航系统在动态环境下具有强非线性,为提高GNSS/CNS/SINS组合导航系统的导航精度,提出一种基于序贯UKF的多传感器最优融合算法。首先,建立GNSS/CNS/SINS组合导航系统的非线性状态方程及2个子滤波器的线性量测方程;然后,对标准UKF的量测更新过程进行简化,简化UKF算法具有与标准UKF算法相同的滤波精度,且具有计算量低的特性;最后,将序贯滤波算法与简化UKF算法结合,提出多传感器组合导航系统的序贯UKF最优融合算法。仿真结果表明,本文序贯UKF算法不仅可提高系统解算的实时性,并且相对于集中线性卡尔曼滤波算法及经典集中线性UKF算法具有较高的滤波精度。 相似文献
18.
机器学习方法在高光谱遥感影像分类中广泛应用,本文使用新型的极限学习机（Extreme Learning Machine,ELM）进行高光谱遥感影像分类,针对ELM中正则化参数C和核参数σ,提出以萤火虫算法（Firefly Algorithm,FA）进行优化。首先,采用萤火虫算法进行高光谱遥感影像的波段选择,以便降低维数;然后,利用萤火虫算法以分类精度最大化为准则对ELM的参数组合（C,σ）进行寻优;最后,利用参数优化后的ELM分类器,对3个不同传感器的高光谱遥感影像进行分类。实验中将新型的萤火虫算法与遗传算法（Genetic Algorithm,GA）和粒子群算法（Particle Swarm Optimization,PSO）进行了对比,并将ELM的性能与支持向量机（Support Vector Machine,SVM）方法作对比。结果表明,FA优化方法优于传统的GA和PSO优化方法,ELM方法的效果在训练时间和分类准确率2个方面都优于SVM方法。实验说明,本文提出的方法具有较好的适用性和较优的分类效果。 相似文献