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   

两种不同的SVM建模方法在大坝变形预测中的应用   总被引：1，自引：0，他引：1  

沈哲辉  张安银  司聪  沈月千 《测绘工程》2017,26(7)

用支持向量机对大坝变形监测数据建模分析和预测一般有两种方法:一是仅用大坝的变形数据作为输入端和输出端,构建支持向量机模型;二是用温度、水压等大坝变形的影响因子作为输入端,大坝变形数据作为输出端,构建支持向量机模型。两种建模方法比较研究鲜有讨论,文中用这两种建模方法对福建省某一大坝进行建模预测。结果表明,第二种方法建模预测速度更快,预测精度更高。  相似文献   

遗传算法优化支持向量机在大坝变形预测中的应用     

沈哲辉  黄腾  沈月千  郑浩 《大地测量与地球动力学》2016,36(10):927-930

建立大坝变形预测的支持向量机模型,并用遗传算法对支持向量机模型的核函数参数、惩罚参数和损失参数进行优化。将同一优化方法不同支持向量机核函数、不同优化方法同种支持向量机核函数进行横向对比,将BP神经网络、自回归AR(p)模型、多元回归分析法和周期函数拟合法进行纵向对比。结果表明,该GA-SVM(RBF)模型不仅能较好地预测大坝的变形趋势,而且能大幅提高预测精度。  相似文献   

小波分解AR-BP网络模型在大坝垂直位移预测中的应用   总被引：1，自引：0，他引：1  

辛大鹏  田林亚  沈哲辉 《测绘工程》2015,(12):53-56

针对大坝内部垂直位移数据序列不仅具有周期性、平稳性,且在频域上存在高、低频,显著的多尺度等特性,本实验利用多尺度小波分析的原理与方法对数据序列进行分解,对低频序列和高频序列分别建立AR模型和BP神经网络模型并进行预测,最后叠加各个序列的预测值,得到数据序列的预测结果。该方法适用于大坝垂直位移的预测,结果与自回归模型及单BP神经网络模型相比,该模型具有更高预测精度。  相似文献   

灰色-马尔科夫模型在大坝内部变形预测中的应用     

沈哲辉  黄腾  唐佑辉 《测绘工程》2015,(2):69-74

传统的灰色-马尔科夫模型一般都是等时距的。针对样本不能满足等时距的需要,通过一定方法将样本等时距化,用多变量灰色模型MGM(1,n)与马尔科夫转移矩阵相结合对等时距样本进行建模,建立非等时距的灰色-马尔科夫模型。文中结合某大坝内部水平位移实测数据,用此模型进行建模。结果表明,灰色-马尔科夫模型不仅比灰色模型的拟合精度高,而且提高了预测精度。  相似文献   

基于小波分析AR(P)-SVR组合模型在大坝变形预测中的应用     

沈哲辉  黄腾  邱伟  郑浩 《测绘工程》2015,(6)

监测序列经小波分解后,得到低频分量和高频分量。对低频分量采用自回归AR(P)模型预测,对高频分量采用支持向量回归机SVR模型预测,最后将各分量进行小波重构,得到监测序列的预测值。结果表明,此种预测方法比直接使用SVR模型或经小波分解后再采用SVR模型预测精度高。  相似文献