一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型     

冯绍权  花向红  陶武勇  宣伟  吴伟  续东 《测绘通报》2019,(7):50-53,82

提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC），利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值，初步建立GA-BP神经网络预测模型，结合马尔科夫链的无后效性修正模型预测值，形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据，分别与BP神经网络、GA-BP神经网络预测模型进行对比，结果表明，该预测模型精度最高。  相似文献   

大跨径斜拉桥主梁线形测控新方法研究及应用     

顾玄龙  刘成龙  李雷  沈卢明  蒋涛  杨雪峰 《测绘通报》2019,(4):49-53,59

大跨径斜拉桥结构刚度小、变形大，为保证主梁顺利合龙，施工过程必须快速精确定位主梁上各个节段的平面和竖向线形。区别于传统的极坐标主梁平面线形测控方法，本文提出采用全站仪自由设站法测控主梁平面线形；同时区别于传统的水准测量方法，提出采用全站仪间接高差传递的方法测控主梁竖向线形。介绍了两种新方法的测量原理，通过工程实例论证了新方法的可行性和实用性，且能够大幅度提高测控效率，可为其他大跨径桥梁主梁线形的测控提供一定的参考。  相似文献   

GNSS转发式欺骗干扰方法的改进     

何婷 《测绘通报》2019,(4):71-74,83

针对GNSS多天线转发式欺骗干扰在实际应用中，当干扰机与目标机距离大于一定范围时，将引起目标机钟差突跳，从而易被目标机检测和识别的缺陷，提出了基于干扰机阵列的转发式欺骗干扰新方法。干扰机阵列按照正六边形网型布设，可实现目标区域的无缝覆盖，并且灵活易拓展。不论目标机位于区域的任何位置，均有一个最优干扰机能够对其实施有效干扰。为了确定相邻干扰机的最优间距，本文在干扰机阵列不同间距下对具有钟差突跳自适应检测能力的目标机的干扰有效性进行了仿真研究。结论表明，综合考虑各种约束因素，相邻干扰机最优间距为17 km，满足该条件的干扰机阵列在实施欺骗干扰过程中，不会造成目标机钟差突跳，有效解决了该干扰方式易被目标机识别的问题。  相似文献   

灰色稳健总体最小二乘估计及高铁路基变形预测     

陈洋  文鸿雁  覃辉  王清涛  周吕 《大地测量与地球动力学》2018,38(2):140-146

最小二乘估计和部分变量误差模型的总体最小二乘估计不具备抵御粗差的能力。鉴于粗差可能同时出现在灰色白化微分方程的观测值和系数矩阵中，本文提出基于IGGⅢ抗差方案的部分变量总体最小二乘稳健估计。结合仿真数据和高铁路基观测数据，系统地比较稳健最小二乘、部分变量总体最小二乘、本文算法参数估计结果和算法稳定性。结果表明，本文算法预测精度高，可以应用到高铁路基沉降预测中。  相似文献   

近30 a甘肃省河东地区极端气温指数时空变化特征及趋势预测          下载免费PDF全文

黄浩  张勃  黄涛  王怀军  马尚谦  马彬  王晓丹  崔艳强 《干旱区地理》2020,43(2):319-328

基于甘肃省河东地区61个气象站点1988—2017年逐日气温数据，利用Mann-Kendall检验，Sen’s斜率估计方法分析甘肃省河东地区极端气温指数的时空变化趋势，并探讨极端气温指数与其影响因素之间的关系，最后利用NAR神经网络结合Hurst指数对甘肃省河东地区极端气温指数变化进行预测分析。结果表明：(1)从时间上看，冷极值相对指数呈下降趋势，冷极值绝对指数、暖极值以及气温日较差、作物生长期呈上升趋势。(2)从空间上看，对冷极值变化反应最为敏感的是高寒湿润区，对暖极值变化反应最为敏感的是温带半湿润区和北亚热带湿润区，除北亚热带湿润区外各区域作物生长期的变化都达到了显著水平，而气温日较差仅在温带半湿润区达到了显著水平。(3)多数极端气温指数与经纬度、海拔之间有显著相关性，但受区域自然特点影响，经度与海拔对其影响实为一类。(4)亚洲区极涡强度、北半球极涡强度以及青藏高原指数B与极端气温指数变化有密切关系，而太阳黑子等只与个别指数之间存在显著的相关性。(5)预测出的极端气温指数冷极值相对指数仍呈现下降趋势，冷极值的绝对指数、暖极值以及气温日较差、作物生长期仍然呈现增加趋势，但大多数指数与1988—2017年相比变化幅度有所降低。（6）与其他区域相比甘肃省河东地区大多数气温指数变化幅度处于中间水平，表现出其为多种不同气候区、自然区交界地带的特色。  相似文献   

ARIMA-LSTM组合模型在基于SPI干旱预测中的应用——以青海省为例          下载免费PDF全文

张建海  张棋  许德合  丁严 《干旱区地理》2020,43(4):1004-1013

开展干旱预测是有效应对干旱风险的前提基础。利用1958—2017年青海省38个气象站点逐日降水量数据计算多尺度标准化降水指数（SPI）,并建立了SPI序列自回归移动平均模型（ARIMA）、长短时记忆神经网络模型（LSTM）和基于二者优点提出的ARIMA-LSTM组合模型;对模型参数进行率定和验证后,利用所建立的模型,以西宁站点为例,对多尺度SPI值进行预测,借助均方根误差（RMSE）、平均绝对百分比误差（MAPE）和决定系数R²对所有预测模型的有效性进行判定。结果表明：ARIMA-LSTM组合模型在SPI1和SPI12的RMSE值分别为0.159 7和0.181 0,均低于ARIMA模型的1.265 4和0.293 3,说明ARIMA模型与ARIMA-LSTM组合模型对SPI的预测精度都与时间尺度有关,ARIMA模型的预测精度随着时间尺度的增加而逐渐提高;结合GIS并利用实测数据与模型的预测数据相比较说明ARIMA-LSTM组合模型相比于单一ARIMA模型的预测精度更高,且能够很好拟合不同时间尺度的SPI值。  相似文献   

基于多变量LSTM神经网络的地下水水位预测     

闫佰忠  孙剑  王昕洲  韩娜  刘博 《吉林大学学报(地球科学版)》2020,50(1):208-216

为解决以往模型未考虑地下水位相关影响因素的问题，探讨长短期记忆（LSTM）神经网络在地下水位预测中的应用，利用长短期记忆神经网络，采用多变量输入的方式，构建了基于多变量LSTM神经网络的地下水水位预测模型。以泰安市岱岳区J1号监测井为例，采用2001-2014年地下水水位动态监测资料与相关影响因素数据，利用多变量LSTM神经网络对2015-2016年地下水位进行预测，并与单变量LSTM神经网络和反向传播（BP）神经网络进行对比。研究结果表明：以相关影响变量为输入的BP神经网络无法考虑时序变化规律，预测均方根误差最大，为2.399 3；以地下水位为变量输入的单变量LSTM神经网络仅能根据时序变化作出相应预测，无法考虑相关变量影响，预测均方根误差为2.102 2；基于多变量输入的LSTM神经网络的预测精度显著高于单变量LSTM神经网络和BP神经网络，预测均方根误差最小，仅为1.919 1。总体上，多变量LSTM神经网络地下水位预测模型仅在某些峰值处误差较大，但总体预测效果较为理想。  相似文献   

顾及邻近点变形因素的高斯过程建模及预测     

周昀琦  王奉伟  周世健  罗亦泳  周清 《测绘科学》2018,(4):114-121

针对传统的变形监测建模方法一般针对单一监测点的变形预测模型,未考虑到监测点间相互作用的变形特点,该文分析了变形监测点间的相互关联性,通过相关系数法对监测点进行分类,并将邻近监测点的观测序列值作为和时间因素等同的影响因子应用到建模过程中,利用高斯过程算法进行训练,建立预测模型。为提高高斯过程算法的模型预测精度,应选择适合工程案例最优协方差函数。通过实例分析,比较GM(1,1)、多点灰色预测模型和顾及邻近点变形因素的高斯过程等3种模型在基坑围岩、滑坡等变形监测数据处理中的预测精度,表明该文算法考虑到监测点间的变形关联性,充分利用高斯过程在针对小样本、非线性数据建模时的高自适应性等优点,具有较高的预测精度。  相似文献   

应用条件植被温度指数预测县域尺度小麦单产          下载免费PDF全文

王蕾  王鹏新  李俐  张树誉  白雪娇  解毅 《武汉大学学报(信息科学版)》2018,43(10):1566-1573

选取关中平原2008-2016年的条件植被温度指数（vegetation temperature condition index,VTCI）遥感干旱监测结果,基于最优的干旱影响评估方法确定冬小麦各生育时期干旱对其单产的影响权重,构建县域尺度加权VTCI与小麦单产间的一元线性回归模型,并结合求和自回归移动平均模型（autoregressive integrated moving average,ARIMA）对各县（区）的冬小麦单产进行估测及向前一、二、三旬的预测。结果表明,基于改进的层次分析法与熵值法的最优组合赋权法对冬小麦各生育时期的权重确定较合理,以拔节期（0.489）最大,抽穗-灌浆期（0.427）次之,返青期（0.035）与乳熟期（0.049）较小;加权VTCI与小麦单产之间的相关性显著,单产估测精度较高;向前一、二、三旬的单产预测精度均较高,且以向前一旬的预测精度最高,有76.9%的相对误差小于2.0%,71.6%的均方根误差小于75.0 kg/hm2。  相似文献   

利用人工鱼群算法优化高斯过程模型及应用分析     

邱小梦  周世健  王奉伟  欧阳亮酉 《测绘通报》2018,(1):157-160,164

基于高斯过程利用传统共轭梯度法搜索超参数,存在对初始值依赖性强、获得局部最优解的不足。本文采用人工鱼群算法对超参数进行智能寻优,建立了基于人工鱼群算法的高斯过程模型对变形体形变进行预测分析。通过隧道和基坑两个工程实例计算比对分析,NN、SE和RQ 3种核函数中NN核函数的预测效果最好,平均相对误差分别为0.69%和1.06%。结果表明超参数优化模型的预测精度得到了较大的提高,改善了高斯过程算法本身存在的超参数求解方面的不足,效果明显。  相似文献