排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
在短期基坑沉降监测中,由于数据量少且呈非线性变化,沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度,但不能模拟复杂的非线性函数;BP神经网络可以对非线性数据进行学习训练,具有自学习、自适应能力;通过将GM(1,1)与BP神经网络组合,并优化网络部分的学习率、权值和阈值等,建立一种改进的灰色神经网络模型,该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析,验证改进的灰色神经网络模型预测精度更高,适合短期建模,具有很好的实用性。 相似文献
2.
针对传统相关性分析方法的局限性，提出将交叉小波和小波相干相结合，创建多角度相关性分析方法，用于基准站垂向周期运动与气象因素的关联性分析，以山东省费县观测数据为例，研究了两者之间的关系。交叉小波谱可以表明，费县基准站的垂向周期运动与气象因素之间有明显的1a主共振周期，说明两者之间年周期变化存在联系。同时从小波相干谱中可以了解到，不同的时间段内存在不规则的1/12 a、0.25 a、0.5 a共振周期，但共振周期持续时间较短，说明气象因素会对垂直形变产生影响。此外，交叉小波和小波相干能够在时域和频域中分析两种不同成分的细部相关特征和相位差异，其中相对湿度变化超前垂直变化1/4周期，平均风速变化滞后垂直变化1/8周期，日累计降水变化超前垂直变化1/8周期，日照时数变化滞后垂直变化1/8周期，在基准站垂直形变相关性分析方面具有较好的应用效果。 相似文献
1