基于IRCGA优化的GM(1,1)变形预测方法与应用研究     

喻巧  张献州  陈超  刘龙 《测绘与空间地理信息》2013,(12):42-45

阐述了引入时间距离权的传统GM(1,1)模型的建模过程以及灰色模型等级的判断方法,深入分析了白化背景参数λ取值对建模精度的影响;同时针对传统λ取值的缺陷,提出使用基于实数编码的改进遗传算法(IRCGA)对其进行优化处理,并用多个工程实例分析验证了优化后的GM(1,1)模型相对传统的灰色模型及其优化模型拟合效果更好,更加贴近真实数据序列。  相似文献   

基于多元整体最小二乘优化的多点灰色动态变形分析模型     

吴开岩  张献州  马龙  罗烈  张拯  喻巧 《大地测量与地球动力学》2016,36(8):682-685

提出一种多元整体最小二乘优化的多点灰色动态模型,并结合实例验证优化的MGM(1,n)模型的优越性。将优化的MGM(1,n)模型与一般的MGM(1,n)模型进行对比,分析两种模型的建模值和预测值。结果表明,优化的MGM(1,n)模型在建模数据多于4期的情况下建模精度更高,预测精度更准确,更符合实际情况。  相似文献   

基于GA-BP神经网络的高铁线下工程沉降预测模型     

刘龙  张献州  喻巧  甄亚男 《测绘工程》2014,(5):58-61

结合遗传算法与BP神经网络模型,介绍GA-BP模型的基本原理,建立高速铁路线下工程遗传BP神经网络沉降预测模型,并探讨模型精度的影响因子。通过实例分析表明GA-BP模型具有预测精度高、收敛速度快的特性,进而验证GA-BP模型在高速铁路线下工程沉降预测评估中的科学实用性。  相似文献   

基于BP神经网络与变形监测成果的隧道安全状态评估     

黄惠峰  张献州  张拯  刘龙  喻巧  乐亚南 《测绘工程》2015,(3):53-58

隧道变形监测周期长、内容多且影响因素复杂,因此需要对隧道监测方法进行不断的改进,对隧道的健康状态进行实时评估。研究变形监测范畴内基于BP神经网络的隧道安全状态评估模型,组建集卫星定位技术、测量机器人、传感器技术、移动网络通信等为一体的现代化物联网模式下的隧道变形监测系统,分析多源数据的变形特征,结合专家经验知识,实现基于BP神经网络与变形监测成果下的隧道安全状态评估,为隧道变形监测及安全状态评估提供一种新颖而有效的方法。  相似文献   

多维线性内插在变形监测数据分析中的应用     

杨龙杰  张献州  喻巧  吴战广 《测绘科学》2016,41(1):203-206,43

针对变形监测中由于形变体的变形是多因素同时作用,且各个变形因子对变形体的作用非线性,导致难以准确分析变形因子与形变量的函数关系的问题,该文提出一种多维空间线性内插的数据分析方法,实验结果表明:通过该方法不仅可以较准确分析出每个变形因子与形变量的关系,而且可以探测出形变量的跳变,为其他经验模型分析方法提供参考。  相似文献