面向室内WLAN定位的动态自适应模型     

吴东金  夏林元 《测绘学报》2015,44(12):1322-1330

提出了一种面向无线局域网(wireless local area network,WLAN)位置指纹匹配定位的动态自适应模型,借助多个基站的实时数据为稳健室内定位提供更新的匹配数据库——radio map。基于基站与radio map采样点之间的空间关联性,将基站数据和radio map分别作为多层神经网络的输入和输出,动态更新radio map;利用多元数据异常探测技术检验基站数据捕获环境的时空变化;根据探测结果采用顾及室内布局的数值内插和再训练的方式更新模型,从而使其适应环境的时空变化。在室内动态环境中进行了多次验证试验。试验结果显示,在时变因素作用下,相比较传统方法,采用所提模型的定位方法的平均误差至少下降10%;在空间变化因素(以信标移动为例)作用下,其他方法平均定位误差大幅增加了至少165%,而采用所提模型方法的平均定位误差只增加了10%~20%,定位精度维持在3m左右(即原始精度)。结果证明采用了所提模型的定位系统能够自适应环境的时空变化而保持原有定位表现。不过,与传统位置指纹匹配定位方法相比,该模型带来了更多的计算负荷。  相似文献   

基于对偶拓扑结构的路网路段重要性评估方法     

张喜平  李永树  刘刚 《测绘工程》2015,(3)

现有的路网路段重要性评估方法考虑的是路网中的路段的统计特性或路网的局部结构对重要性的影响。在路段的重要性与路网的全体路段相关联的基础上,提出m阶邻居节点的复杂路网路段重要度评估方法。为验证算法的有效性,实验仿真采用成都市路网的对偶拓扑结构,在1 484个路段中提取10条关键路径对评估方法进行验证。评估结果显示:与度值法、介数法相比,该方法能显著地区分复杂路网中路段之间的重要性差异,准确地确定网络中的关键路径,具有更高的评估准确性。  相似文献   

基于小波分析的灰色-神经网络组合模型在大坝变形预测中的应用     

沈哲辉  黄腾  葛文  孟庆年 《测绘工程》2015,(11):51-53

监测序列经小波分解后可以得到各层分量。对低频分量采用灰色GM(1,1)模型进行建模预测,对高频分量采用BP神经网络进行建模预测,最后将各分量进行小波重构,得到监测序列的预测值。将预测值分别与没有进行小波分解直接用GM(1,1)模型预测的值和经小波分解的低、高频系数都采用GM(1,1)模型预测的值进行对比,发现经小波分解的灰色-神经网络组合模型预测精度更高。  相似文献   

高轨卫星轨道预报中神经网络模型优化设计   总被引：1，自引：0，他引：1  

黄金  张宇喆  张正强  谷冰  李晓杰 《测绘科学技术学报》2015,(6):559-564

高轨卫星是我国卫星导航系统的重要组成部分。提升该类卫星的轨道预报精度有利于用户定位精度的提高。提出了一种改进高轨卫星轨道预报精度的新方法。该方法避开了精化动力学模型的困难,尝试从轨道预报误差的规律中寻找突破。利用神经网络作为建立预报模型的工具,将某历史时刻的轨道预报误差作为训练样本,利用训练好的神经网络模型补偿当前时刻的预报轨道以提高轨道预报精度。对影响神经网络模型补偿效果的各因素进行了详细分析,制定了适应于高轨卫星短期、中期和长期预报的神经网络最优模型。利用实测数据进行了试验分析,结果表明:预报8,15及30 d应选择的训练步长分别为10,20及25 min;轨道预报8~30 d时,训练噪声均选取0.01。神经网络模型有效地改进了高轨卫星的轨道预报精度,预报4~30 d,轨道精度提高幅度为34.67%~82.37%不等。  相似文献   

基于SMAP卫星雷达资料的海冰密集度反演技术研究   总被引：1，自引：0，他引：1  

闻斌  周旋  种劲松  石立坚  叶小敏 《海洋学报》2018,40(6):29-39

SMAP是美国于2015年初发射的一颗卫星，搭载了L波段的雷达。它采用圆锥扫描方式，具有固定的入射角、较大的幅宽和千米级的分辨率，在海冰监测方面具有独特的优势。本文利用SMAP卫星雷达资料分别与德国Bremen大学海冰密集度产品和美国国家冰雪数据中心（NSIDC）海冰密集度产品建立3.125 km和25 km匹配数据集，分析了L波段雷达后向散射系数、极化比和归一化极化差与海冰密集度之间相关性，建立基于人工神经网络的海冰密集度反演算法。为了验证SMAP卫星雷达资料反演海冰密集度的精度，本文选择德国Bremen大学和美国冰雪数据中心发布的海冰密集度产品分别与SMAP海冰密集度产品进行对比分析，SMAP海冰密集度与Bremen海冰密集度的偏差为0.07、均方根误差为0.14；与NSIDC海冰密集度的偏差为0.04、均方根误差为0.18，这表明SMAP海冰密集度产品与现有业务化海冰密集度产品具有很好的一致性。  相似文献   

不同结构深度神经网络的时间域航空电磁数据成像性能分析     

李金峰  刘云鹤 《世界地质》2020,39(1):159-166

时间域航空电磁系统采样密集,数据量大,所以在该领域较为实用的数据处理方法主要为一维反演和电阻率成像法。笔者从成像问题出发,建立了庞大的数据模型训练集,研究并分析了不同结构的神经网络的成像精度。通过对比分析测试结果,获得了在一定条件下适用于航空电磁成像的最优网络模型结构,包含其神经元个数和层数等信息。本文采用早停法训练神经网络,压制数据中噪声对成像结果的影响。  相似文献   

基于神经网络模型的湛江湾水体有色溶解有机物的遥感估算     

余果  付东洋  刘大召  刘贝  廖珊  王立安  张小龙 《海洋科学》2018,42(9):73-80

有色溶解有机物(Colored Dissolved Organic Matter, CDOM)是水体中重要的水质参数之一,是水色遥感的重要研究对象,如何构建适合特定区域的近海二类水体CDOM反演模型一直是国内外研究难点。本文利用2017年5月26～29日对南海西北部海域湛江湾20个站位采集的水样和测量的光谱资料,分析归一化遥感反射率与CDOM浓度a_g(400)的相关性,发现最大负相关系数出现在586nm处,选择580、585、590、595nm这四个波段处的归一化遥感反射率与a_g(400)建立了多元线性回归模型、BP(Back-Propagation)神经网络模型和RBF(Radial-Basis Function)神经网络模型,并与其他算法模型进行对比分析。结果发现, BP和RBF神经网络模型的平均相对误差和均方根误差均远小于多元线性回归模型和其他算法模型,神经网络模型的预测值与实测值拟合效果要优于多元线性回归模型。研究表明,神经网络模型更适合于湛江湾有色溶解有机物的遥感估算。  相似文献   

Efficient estimation of flood forecast prediction intervals via single‐ and multi‐objective versions of the LUBE method          下载免费PDF全文

Lei Ye  Jianzhong Zhou  Hoshin V. Gupta  Hairong Zhang  Xiaofan Zeng  Lu Chen 《水文研究》2016,30(15):2703-2716

Prediction intervals (PIs) are commonly used to quantify the accuracy and precision of a forecast. However, traditional ways to construct PIs typically require strong assumptions about data distribution and involve a large computational burden. Here, we improve upon the recent proposed Lower Upper Bound Estimation method and extend it to a multi‐objective framework. The proposed methods are demonstrated using a real‐world flood forecasting case study for the upper Yangtze River Watershed. Results indicate that the proposed methods are able to efficiently construct appropriate PIs, while outperforming other methods including the widely used Generalized Likelihood Uncertainty Estimation approach. Copyright © 2016 John Wiley & Sons, Ltd.  相似文献   

Sea Level Prediction in the Yellow Sea From Satellite Altimetry With a Combined Least Squares-Neural Network Approach     

Jian Zhao  Yanguo Fan  Yuxiang Mu 《Marine Geodesy》2019,42(4):344-366

Accessible high-quality observation datasets and proper modeling process are critically required to accurately predict sea level rise in coastal areas. This study focuses on developing and validating a combined least squares-neural network approach applicable to the short-term prediction of sea level variations in the Yellow Sea, where the periodic terms and linear trend of sea level change are fitted and extrapolated using the least squares model, while the prediction of the residual terms is performed by several different types of artificial neural networks. The input and output data used are the sea level anomalies (SLA) time series in the Yellow Sea from 1993 to 2016 derived from ERS-1/2, Topex/Poseidon, Jason-1/2, and Envisat satellite altimetry missions. Tests of different neural network architectures and learning algorithms are performed to assess their applicability for predicting the residuals of SLA time series. Different neural networks satisfactorily provide reliable results and the root mean square errors of the predictions from the proposed combined approach are less than 2?cm and correlation coefficients between the observed and predicted SLA are up to 0.87. Results prove the reliability of the combined least squares-neural network approach on the short-term prediction of sea level variability close to the coast.  相似文献   

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究     

符海月  张祎婷 《地球信息科学学报》2019,21(7):1132-1142

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。  相似文献