探究不同训练函数对于NAR高铁沉降预测模型的影响

为探究不同训练函数对于非线性自回归(nonlinear auto regressive,NAR)高铁沉降预测模型影响,研究选择以我国某段高铁沉降数据作为研究对象,探究不同训练函数对于NAR高铁沉降预测模型的影响.试验结果表明:在本次数据预测模型研究中,弹性反向传播算法表现出更优的预测水平,其预测结果的RMSE=0.52 mm,MRE=0.04 mm,ME=0.40 mm,MSE=0.31 mm.动量梯度下降法算法表现出更快的训练速度,其完成参数训练平均时间为42.42 s,研究结果可为后续对于NAR高铁沉降预测模型的训练模型选取提供参考.     

基于改进指数平滑神经网络模型的大坝沉降预测

为了及时跟踪非线性化大坝沉降数据并长期预测,针对传统指数平滑方法的缺陷,将改进的指数平滑方法与BP神经网络模型相结合,研究了其在大坝沉降监测中的应用.通过控制全局和局部的目标函数形成改进的指数平滑方法,获得一组平滑预测值;再利用BP神经网络对平滑预测值和平滑预测值与观测值的误差序列进行训练;最后将下一步的误差序列和平滑...     

最大值函数对建筑物沉降的回归分析

为有效地对建筑物的沉降进行回归分析,本文以新城花园酒店为例,用幂级数和最大值函数两种回归函数对观测数据进行分析,通过显著性检验值和均方差的大小来推测建筑沉降的规律,并根据分析预测结果来评价两种回归函数的性能,理论分析和实验表明:采用最大值函数和幂级数对LS5的观测数据进行回归分析都能够达到建筑物沉降变形的精度要求,但最大值函数的性能优于幂级数。     

区域沉降数据时空变异特性研究

本文利用变异函数分析方法,探讨了区域沉降数据随时空不同的变异特性,拟合出变异函数的球状模型,分析了沉降数据特征的描述方法,总结出有益的结论。     

区域沉降数据时空变异特性研究

利用变异函数分析方法,探讨区域沉降数据随时空不同的变异特性,拟合出变异函数的球状模型,分析沉降数据特征的描述方法,总结出有益的结论.     

神经网络在建筑物沉降分析中的应用

建筑物沉降的诱因与沉降量之间有一个复杂的非线性相关性,应用回归法对这种复杂的相关性进行分析有较大的局限性.人工神经网络是由许多神经元组成的大规模非线性系统,具有较强的动态处理能力,能对简单的非线性函数进行多次复合,来实现一个复杂的非线性函数.神经网络这些特性满足建筑物沉降分析的需求.实例表明,应用神经网络BP算法可以对建筑物沉降原因进行更客观的分析,对沉降趋势预测效果也较好.     

基于ZHSSuside的建筑沉降数据处理实例

基于一元线性回归函数模型,利用计算机程序实现建筑沉降数据处理,根据误差理论和概率统计原理,建立数学计算与分析模型,对沉降观测各要点进行误差分析,提高沉降观测数据分析的精准性与快捷性。该方法在望京高层沉降工程中得到有效验证。     

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。     

基于小波去噪的灰色Verhulst模型在高铁路基沉降预测的应用

高铁路基需严格控制工后不均匀沉降。鉴于高铁路基沉降预测值精度受观测噪声和预测拟合函数的影响,本文提出了基于小波函数去噪,对去噪数据进行灰色Verhulst模型预测的方法,并阐述了高铁路基沉降预测评价方法。通过工程实例对比分析了去噪灰色Verhulst模型、GM(1,1)模型、双曲线模型在沉降数据处理中的拟合精度和预测精度。结果表明:GM(1,1)模型拟合精度高,预测精度低,不适用于长期预测;双曲线法预测精度最低,预测曲线不包含路基饱和发展过程;小波去噪灰色Verhulst模型符合高铁路基沉降规律,预测精度高,可以广泛用于路基沉降预测。     

一种计算高铁沉降预测常用模型参数的新方法

高速铁路的修建需要对线下构筑物进行沉降观测和沉降评估。本文深入研究了常用的5种预测函数模型及其参数的一般解算方法,并基于Matlab软件的lsqcurvefit函数提出了一种新的参数解算方法,最后通过实际工程数据检验,证明了该方法有较高的可行性和精确度。     

高速公路路基沉降预测的神经网络模型

软土地基的沉降控制是保证高速公路建设质量的一个关键技术.论文主要介绍了一个对高速公路路基沉降进行预测的神经网络模型.对神经网络的BP算法进行了改进,提高了BP算法的学习收敛速度和网络性能的稳定性.神经网络法预测路基沉降的难点之一是合适的训练样本构造问题,论文提出了新颖独特的“训练样本”构造方法,且应用效果良好.利用路基沉降量实测资料直接建模,采用BP网络计算的改进算法,可较为准确地预测大约4个月之后的沉降量,预测值与实测值吻合较好.     

基于神经网络的高速公路软基沉降分析

简述了高速公路软基沉降观测的目的和意义。介绍了工后沉降的预测方法。其后，简述了BP神经网络的基本概念。论文提出了基于神经网络的高速公路工后沉降预报方法。结合江苏省某高速公路现场监测资料，进行了实例分析，说明此方法是可行的和有效的。它对提高高速公路建设质量具有十分重要的现实意义。     

软基沉降观测及其数据处理方法

简述了高速公路软基沉降观测及其数据处理的目的和意义；介绍了沉降观测的布点原则；提出了高速公路软基沉降观测的技术要求；介绍了基于VB的高速公路软基沉降观测数据处理软件；在实际工程中，由于种种原因，会造成沉降观测数据不连续。本文就沉降观测数据不连续时的沉降量估算提出了三种处理方法，在实际工程应用中起到了较大的作用。     

二等水准在汕汾高速公路软基路段工后沉降监测的应用

二等水准在汕汾高速公路软基路段工后沉降监测的应用,详细描述观测方法并进行了观测数据的分析和建议。     

高速公路软土地基路堤沉降观测的实践

在分析了高速公路施工的特殊性之后，明确了高速公路软土地基路堤沉降的观测项目和目的，提出了沉降观测点的布设方案，确定了以观测精度要求，作业特点和数据处理方法为目标的五个统一的现场工作要点的编制原则。     

PS-InSAR和SBAS-InSAR技术对昆明主城区地面沉降监测的对比分析

以昆明主城区为例,分别利用PS-InSAR和SBAS-InSAR技术对2014—2017年间29景升轨Sentinel-1A数据进行沉降监测,对比两种技术得到的沉降结果,进行剖面图分析与时序分析。结果表明,PS-InSAR和SBAS-InSAR技术监测结果具有一致性、相关性和可靠性。研究发现,昆明市沉降漏斗主要位于居民区、地铁、道路、高速公路以及滇池等区域,最大年沉降速率可达-39.580mm/a,累积沉降量达到85mm。研究表明,昆明主城区地面沉降主要由于近几年城市和轨道交通建设的飞跃发展,导致居民区和交通网络密集,地面载荷增加,地下隧道开挖与地下水开采等原因引起地面软土地层下沉。     

MATLAB在开采沉陷动态预计中的应用

地下矿产被采出后引起的地表沉陷是一个时间和空间的非线性变化过程。文中以Knothe时间函数建立的地表移动动态预计算法为基础,并运用MATLAB中的图形用户界面(GUI),通过窗口、菜单、控件等构成操作简便的用户界面,实现主断面和任意点的动态预计的可视化。     

面向MATLAB转换GPS高程的神经网络方法

GPS高程转换是GPS应用的关键问题之一。本文介绍了MATLAB中的BP神经网络工具箱常用函数以及实现步骤,设计了转换GPS高程的三种方案,利用MATLAB开发工具实现了BP神经网络转换GPS高程的方法。实例计算表明,采用合适的训练函数,选用好的网络结构,利用BP神经网络方法可以取得比二次多项式曲面拟合法更高的转换精度。     

稀少控制条件下无人机空三加密及在公路地形测图中的精度分析

针对无人机航空摄影测量地面控制点多的问题,介绍了一种无人机影像空中三角测量方法,基于动态精密单点定位,使用单台GNSS接收机获得高精度摄站点三维坐标,地面无需架设GNSS基站。通过平地、山地公路项目试验,分析了稀少控制条件下的控制点布设方法及空三加密精度,少量地面控制点即可满足1：2000比例尺地形图的精度要求,极大减少了内、外业工作量,简化了无人机航空摄影作业方式。     

公路景观地理信息管理系统研究

以桂阳路航空遥感图像、地面调查资料为基础,利用可视化编程语言Delphi7.0及地理信息系统控件MapX,依据管理系统设计的一般原则,进行了公路景观地理信息管理系统的设计与开发。该系统实现了公路景观各子系统之间,系统数据库、属性库、指标库、图形库和模型库之间的数据共享,并且具有组合统计分析、多功能查询、过程可视化、可扩充性强等特点,为进行公路景观评价、预测、规划及优化决策提供了数据源和技术方法。