改进灰色人工神经网络模型的超高层建筑变形预测

针对灰色人工神经网络模型初始化权值和阈值的随机性导致易产生误差积累和过拟合的缺陷,该文利用遗传算法的全局优化能力训练灰色人工神经网络模型的权值和阈值,构建了基于遗传算法的灰色人工神经网络超高层建筑物变形预测模型。结合长沙北辰新河A1超高层建筑变形监测实例,用该文所提模型与灰色人工神经网络模型分别进行变形数据的处理分析和预测。实验结果表明,该文提出的模型具有更好的预测精度,预测趋势也更加逼近实际测量结果。     

改进BP神经网络模型的地基变形预测

BP神经网络模型是一种经典的预测模型,被广泛应用于变形分析预测的各个领域。本文采用一定方法以进一步改进BP神经网络模型,并通过灰色Verhulst-BP模型分析软基处理地基的实例数据,结合Matlab语言,编程比较分析预测及实测的数据,得出结果证明改进灰色Verhulst-BP模型的分析预测精度较高,比较适合于建筑地基变形的预测分析。     

基于Matlab的建筑基坑变形灰色系统分析预报与应用

在基坑变形监测领域,将GM（1,1）模型应用于变形量的分析预报较为普遍.根据灰色系统理论,通过设定参数,进行用于基坑变形分析预报的灰色预测模型Matlab程序设计,利用具体工程前数期的实测数据,预测建筑基坑后期累计位移变形量,通过与后期实测数据的对比分析表明,程序运行的准确度较高,能够满足基坑变形预测预报的精度要求.     

GM-BP 组合预测模型在基坑沉降分析中的应用

为提高变形预测的精度,采用GM(1,1)与BP神经网络组合模型进行预测。灰色GM(1,1)模型使用方便,在样本数据较少的情况下能够取得不错的预测效果,但对预测序列存在规律性波动或突变时的预测能力不强;而神经网络模型建模过程相对复杂,需要较多的训练样本,但对于数据存在规律性波动和突变时有很好的预测能力。组合模型融合两者优点,将其应用于基坑沉降数据预测,结果表明,该模型预测精度优于传统的单一预测模型。     

基于遗传算法的小波神经网络模型预测大坝变形

为了提高大坝变形的预测精度,提出一种基于遗传算法的小波神经网络模型。首先通过对BP神经网络隐含层神经元的替换,弥补了网络易收敛于局部极小点的缺陷,增强了函数逼近能力,进而建立了小波神经网络大坝预测模型;再利用该模型对大坝变形训练集进行学习,并运用遗传算法选取全局最优参数。该方法充分利用了小波神经网络强大的非线性预测能力和遗传算法的全局优化搜索功能,弥补了BP神经网络存在的理论缺点。将其与小波神经网络、BP神经网络进行比较,实验结果表明该方法具有更优的局部预测值、更高的全局预测精度,适用于复杂的大坝变形预测。     

修正指数曲线法与灰色模型和BP神经网络预测在建筑物沉降中的对比分析

变形监测在建筑物施工和运营管理方面是一个至关重要的环节,变形监测的预测模型有很多。选取适当的变形监测预测模型对于预测建筑物的变形尤为重要。本文运用灰色模型GM(1,1)、BP神经网络和曲线拟合中的修正指数曲线对一幢大楼13期的沉降观测数据进行分析。利用前12期沉降观测数据构建预测模型来预测第13期沉降观测的数据,将预测的结果与实际测量的结果进行比较,得出这三种模型预测的精度。结果表明:在这一幢大楼的沉降观测预测中,修正指数曲线法预测的精度要比灰色模型GM(1,1)和BP神经网络预测的精度高。     

等维BP神经网络在沉降预报中的应用研究

为解决神经网络在沉降预报应用中的局限性,结合灰色理论等维信息策略和BP神经网络建模思想,利用数据序列本身构建训练样本,建立等维BP神经网络预报模型,并利用数学工具MATLAB编程实现,进行实际的变形预测,通过与灰色理论GM(1,1)模型的预报效果进行比较,表明该等维BP网络模型具有更高的预报精度,可以达到更好的预报效果。     

改进后灰色神经网络及短期基坑沉降预测研究

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。     

一种改进遗传神经网络的建筑基坑沉降预测模型

目前常见的沉降预测方法有灰色系统模型、时间序列分析法、BP神经网络及其改进算法等。针对BP神经网络容易出现过拟合和局部最优的缺点,部分学者利用遗传算法进行神经网络初始权值和阈值优化。但是遗传算法对于因监测数据质量问题而造成变形预测结果不佳的优化效果有限。因此引入自适应增强算法对遗传神经网络预测模型进行改进。并利用某高层建筑基坑实测50期监测数据进行仿真预测。实验结果表明,利用自适应增强算法改进之后的遗传神经网络预测模型在满足工程监测精度要求的前提下,在MAPE、MAE、MSE三项精度指标上分别提高80.57%、81.04%、70.83%。     

进化多核相关向量机的大坝变形预测

针对大坝变形系统的非线性、复杂性以及不确定等特点,提出一种优化多核相关向量机的大坝变形预测模型方法。通过对实验数据进行归一化处理,核函数的加权组合以及遗传算法对模型参数的优化,建立遗传算法优化多核相关向量机的大坝变形预测模型。实验结果表明:数据归一化能归纳统一样本的统计分布性,加快梯度下降求解最优解速度和提高预测精度;优化的加权核函数能有效提高模型预测精度;各项精度指标值均优于BP神经网络方法、多项式核相关向量机方法预测精度,证实优化的多核相关向量机模型是一种精度较高的大坝变形预测方法。     

基于MATLAB图像压缩的研究

基于图像压缩理论,对有损压缩和无损压缩的相关理论与方法进行了深入研究。在此基础上,采用有损压缩、无损压缩、小波变换以及小波工具箱对图像进行分析,主要有图像大小、清晰度、恢复系数以及能量比等;并对结果进行分析与比较。结果表明,无损压缩对图像压缩后数据失真少,图像比较清晰。     

不同坐标系图斑理论面积计算研究

本文结合我国目前多种坐标系统共存的实际,通过详细的公式推导研究了不同坐标系坐标转换及其对国土资源调查面积量算的影响。结合实例对这种影响进行了验证。结果表明,不同坐标系统的转换对于国土资源调查面积量算的影响是可以忽略不计的。     

基于MODIS数据的上海市气溶胶厚度研究

基于6S传输模型,本文利用中分辨率成像光谱仪（MODIS）数据并结合较新的NASA的V5．2气溶胶业务反演算法,以上海市MODIS数据为研究数据源,结合晴朗天气（晴朗且无云或云稀薄）与AERONET发布的探测日（即发布AOD探测值日期）选取8组MODISLIB数据集,对其进行气溶胶厚度反演。同时将反演结果与AERONET架设在太湖区域点（31N,120E）的太阳光度观测的光学厚度进行验证。结果表明：V5．2反演算法结果与观测值呈现相同的变化趋势,反演值与观测值误差不大,在气溶胶光学厚度反演中具有较好的应用。     

基于CGA的建筑物程序化建模研究

CGA形状语法是一种新的模拟计算机图形的语言,能够程序化地产生高视觉效果和详细几何信息的建筑。它能够以很低的成本广泛地用于电脑游戏和电影等的建筑物建模。清晰的等级规则可以让用户方便地指定建筑物之间的层次关系。CGA形状语法表明它能够有效地产生大规模的具有非常详细程度的城市,能够解决以前大规模模型建立过程中在任意方向和形状方面的详细程度问题。     

基于GIS的高校物流代理点选址研究

随着电子商务在社会生活中的广泛兴起,校园物流代理点也随之产生;物流代理点在很大程度上方便了师生快递领取,但由于高校物流代理点选址普遍存在随意性和不合理性,导致师生快递领取时浪费过多时间和精力。针对此问题,本研究结合GIS空间分析技术,通过对广西师范大学雁山校区学生宿舍、教学楼、食堂和道路分布数据的分析,利用缓冲区分析和叠置分析优选出物流代理点最佳分布区域,并对校园中现有的物流代理点分布合理性做出评价,进而给出合理的校园物流代理点选址区域建议,旨在为学校物流代理点科学选址及改善和提升校园人文品质提供合理建议,同时为物流企业规划选址及GIS空间分析应用提供参考。     

关于地缘政治角逐及地理环境影响的思考

地缘政治学是研究各种政治力量在地理条件(受地理因素影响)下的相互关系、变化趋势及对世界政治力量影响的科学。地缘政治角逐最重要的技术支撑是地缘环境透明。因为地缘政治角逐受地理因素影响且需要具体的地理环境信息作为主要依据,而测绘保障的理论与方法的实践目的是提供静态、动态地理环境服务以及与地理环境相关的位置信息、时间信息、影像信息等服务,所以实现地缘环境透明的技术基础是测绘保障。本文重点阐述了地缘政治角逐的基本内涵范畴,提出了地缘政治角逐的主要制衡要素,分析了地缘政治角逐的战略枢纽,探讨了基于地缘政治角逐的地理参数解析以及测绘保障等内容。     

环境因素对测量塔全站仪定位精度的影响研究

系统给出了影响测量塔全站仪定位精度的温度、湿度、气压气象因素对测量定位影响的模型,并借助仿真实验,理论上给出了确保施工中测量定位精度的温度和气压参数;分析了波浪因素对测量定位的影响,并以实际施工作业中常采用的Leica TCA 2003全站仪动态跟踪速度为参考,给出风力和浪高等极限参数.论文研究对实际施工具有较强的指导作用.