BP小波神经网络在地铁隧道变形分析中的应用

利用小波分析能够逼近非线性连续函数和良好的局部化特性对BP神经网络模型进行改进。结合BP神经网络的非线性映射和容错性等优点,将小波分析和BP神经网络相结合,并将其应用于变形监测的数据分析处理。本文通过BP神经网络模型和BP小波神经网络模型分别对样本数据进行分析处理,并对结果进行对比,验证BP小波神经网络模型的优越性。     

BP神经网络在GPS导航中的应用

Kalman滤波常用于GPS动态数据的处理,由于系统存在的不确定性和非先验性,导致滤波产生较大的估计误差,甚至发散。介绍了BP神经网络算法及其非线性逼近能力,并基于BP神经网络的非线性逼近性能设计了BP神经网络进行GPS导航的新算法。实测数据计算结果表明该算法能够真实地反映载体运动轨迹,其导航解具有良好的精度和可靠性。     

多源DEM融合的高差拟合神经网络方法

本文侧重于介绍智能化摄影测量机器学习的高差拟合神经网络方法。观测手段和处理方式等限制导致全球高质量无缝DEM数据的缺乏,进而制约了它在水文、地质、气象及军事等领域的应用。本文提出了一种基于高差拟合神经网络的多源DEM融合方法,尝试融合全球DEM产品SRTM1、ASTER GDEM v2和激光雷达测高数据ICESat GLAS。首先,根据ICESat GLAS的相关参数及与DEM数据的高程差值,结合坡度自适应的思想设置高差阈值对ICESat GLAS进行滤波,剔除异常数据点。然后,以ICESat GLAS数据为控制点,利用神经网络模型拟合ASTER GDEM v2的误差分布。以地形坡度信息和经纬度坐标作为网络输入,ICESat GLAS和ASTER GDEM v2的高程差值作为目标输出,训练得到预测高差,将其与ASTER GDEM v2高程值相加即可获得校正结果。最后,引入TIN差分曲面的方法,利用校正后的ASTER GDEM v2高程值对SRTM1的数据空洞进行填充,融合生成空间无缝DEM。本文通过随机选取数据进行真实试验,对模型进行了精度验证,并给出了处理结果的定量评价和目视效果。结果表明,不论是空洞还是整体区域,本文方法相比其他DEM数据集和其他方法的处理结果都能够在RMSE上表现出优势,同时,本文提出的方法能够有效克服ASTER GDEM中异常值的影响,得到空间无缝DEM。     

栅格DEM微地形分类的BP神经网络法

栅格DEM微地形分类是数字地形精细化应用的基础，基于规则化知识的栅格DEM微地形分类方法存在自动化程度低、分类残缺等问题。本文利用BP神经网络的优势构建了栅格DEM微地形分类的人工智能方法与实现途径。以山体部位分类为微地形分类典型样例进行试验验证与分析，试验结果表明，栅格DEM微地形分类的BP神经网络法较已有的地形因子叠加分析方法存在明显优势，不仅在流程上可避免烦琐的数据叠加分析过程，而且分类结果的完整性和错分率都得到有效改善；在山体部位分出的6种微地形中，冲积地对该方法适应性最强，准确率为100%，背坡的适应性最弱准确率为89.23%。     

数字高程模型误差及其评价的问题综述

从数字高程模型(DEM)传递误差、基于中误差的DEM误差模型及其主要问题、DEM误差分布实验和DEM内插误差新认识几个方面分析了当前DEM误差研究的主要进展,用"中误差"讨论DEM传递误差是建立在测量误差传递理论基础之上的,但沿用"中误差"来讨论DEM内插模型逼近误差和DEM整体误差却缺乏理论依据。DEM误差分布的空间相关性实验对DEM中误差评价法所应具备的随机误差性提出质疑,却可以用基于逼近理论的DEM内插模型来解释,说明用逼近误差理论研究DEM内插误差的途径是正确、可行的。     

基于小波神经网络的GPS可降水量预测研究

针对传统的BP神经网络存在的不足及局限性,文章提出了利用小波分析和神经网络相结合的方法应用于GPS可降水量预测中。小波神经网络是将小波基函数来替代传统神经网络中的激活函数,它将小波分析和神经网络有机融合在了一起,同时具备小波分析和神经网络的良好特性。通过相同样本数据训练和学习以及对预测结果的对比分析,表明小波神经网络在可降水量预测中比BP神经网络具有更好的容错能力和逼近能力,且其收敛速度快,预测精度高。     

神经网络BP算法在DEM内插中的应用研究

神经网络BP方法应用于DEM内插,可以不需要传统的内插拟合函数.本文构建了一种"4X"BP神经网络结构,以地面点的平面坐标(X,X,Y,Y)作为网络输入层的节点,以高程H作为输出层的节点.用这种方法分析一个工程实例,选取隐含层节点数N为15,构建4×15×1的神经网络结构,结果得到DEM内插中误差为±0.45m,而传统的平面插值法的中误差为±0.53 m.实例证明,神经网络BP算法的效果非常好,值得在工程中推广应用.     

基于Haar小波的DEM多尺度表达的研究

本文在实验的基础上,对应用小波理论实现DEM多尺度表达进行了研究。文中使用Haar小波对原始DEM进行了分解,得到的概略部分包含了原DEM的高程骨架并忽略了一部分细节信息。分解过程持续进行,可以得到原DEM的一系列逼近。     

Elman神经网络在GPS高程拟合中的应用

根据Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,将其运用到GPS高程拟合中,通过实例数据比较Elman神经网络与几何解析法、BP神经网络和广义回归神经网络的拟合效果,结果表明该方法拟合效果最佳。     

基于神经网络的SPOT数据模拟真彩色非线性方法研究

在总结现有真彩色模拟方法的基础上,提出了一种基于神经网络非线性逼近机制的真彩色模拟方法.该方法充分利用神经网络强大的学习能力,建立波段之间复杂的非线性映射关系.在具体实现上,首先通过对具有真彩色波段TM/ETM+数据的学习训练,得到各个网络节点的权重参数; 然后将该组权重参数应用到SPOT影像,模拟出蓝光波段,实现SPOT真彩色合成.在新疆伊犁地区林地调查应用结果表明,非线性方法要明显优于传统的真彩色模拟方法.     

粒子群-BP神经网络模型在大坝变形监测中的应用

针对BP神经网络的初始化权值和阈值的随机性,易导致训练速度慢和落入局部极小等弱点,本文运用具有并行特性和全局优化能力的粒子群算法(PSO)对BP神经网络的权值和阈值进行优化,建立了基于粒子群-BP神经网络的大坝变形监测模型,并以丰满大坝多年监测的坝顶水平位移资料为例进行实证分析。与经典BP神经网络模型的预测结果相比,粒子群-BP神经网络模型的收敛速度更快、预测精度更高。     

浅析GPS高程拟合在城镇控制测量中的应用

GPS测量的大地高精度达到了(3～4)×10-6,本文结合城镇控制测量对GPS高程拟合情况进行了分析。研究结果表明,通过施测少量均匀分布的GPS点的水准高程,采用BP神经网络方法拟合GPS点正常高可以部分替代水准高程或三角高程。     

AFSA-BP神经网络在大坝变形预测中的应用

经典BP神经网络的初始权值和阈值随机给定,使得训练速度慢、网络易于陷入局部极值。引入具有强大全局搜索能力的人工鱼群算法(AFSA)优化BP网络的权值和阈值,建立了基于AFSA-BP神经网络的预测模型,并对大坝的实测资料进行了实证分析。与经典BP神经网络预测模型的预测结果比较表明:AFSA-BP神经网络模型不仅训练速度快,而且预测精度明显提高,是一种较好的大坝变形预测模型。     

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。     

奇异谱分析在地铁沉降预测中的应用

地铁沉降受诸多因素干扰,其监测数据往往表现出非平稳、非线性特征。因此,首先利用奇异谱分析(SSA)方法提取监测数据的趋势项和周期成分,以削弱噪声、提高数据信噪比;然后利用BP神经网络分别对趋势序列与周期序列进行预测并重构,进而得到预测值。实验结果表明,相较于BP神经网络模型,SSA_BP神经网络模型的整体预测精度更高、最大预测长度更优。     

BP神经网络用于GPS高程转换的网络配置

BP神经网络的输入与输出关系是一个高度非线性映射关系,其用于GPS高程转换中有着较高的精度。但它存在不少问题,如网络的隐含层和隐含层节点个数选取尚无理论上的指导,参加学习的样本的质量如何影响仿真精度等。本文结合实例分析了上述问题,从而得出了BP神经网络用于GPS高程转换时网络配置问题的一些相关结论。     

基于小波滤波的神经网络变形预测

运用小波滤波的的优越性，消除数据噪声，使数据更加的接近真实的数据和更具规律性，有利于我们对数据发展趋势的预测。对消噪后的数据，利用BP神经网络强大的学习能力建立预测网络。在建立网络时，输入样本为监测k时段序列k和第k-1时段变形量与再k-2时段变形量之差组成的二维向量，目标样本为小波滤波后的变形量。并与GM（1，1）。模型和回归模型进行了对比。     

基于SWBD修复的SRTM DEM的1∶250000水系自动更新——以浙江省瓯江流域为例

以浙江省瓯江流域为例,基于SWBD修复的SRTM DEM数据,采用Arc Hydro Tools水文分析工具自动提取瓯江水系,并分地貌、分河流等级地定量评价水系数据精度,开展1∶250 000水系自动更新的可行性研究。结果表明：①SWBD修复的SRTM DEM的空白区域面积为54.78 km2,有效地弥补了SRTM DEM的数据缺失,进而提高了水系提取的准确度和精度;②与1∶250 000水系数据相比,基于SWBD修复后的SRTM DEM,在小起伏山、中起伏低山、低海拔丘陵上提取的水系数据精度高于其他地貌,而干流、一级支流、二级支流的精度又高于三级支流;③以资源三号卫星ZY-3遥感影像为参照,从水系上采集同名点反复比较点位精度后发现,利用SRTM DEM提取的水系符合制图规范和测绘内业规范（限差1 mm）,可以满足1∶250 000水系自动更新的要求。     

BP神经网络拟合区域似大地水准面的应用分析

针对区域重力似大地水准面与GPS/水准数据可能受系统误差影响而降低计算精度的问题,采用BP神经网络拟合区域似大地水准面,削弱系统误差等因素影响,提高区域似大地水准面的拟合效果。分析BP神经网络进行区域似大地水准面拟合的局限性。使用不同区域范围的数据进行验证,结果表明BP神经网络在控制区域内能够较好地逼近实际似大地水准面,而在区域之外具有较差的外推能力。