排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
灰色模型具有计算简便、所需数据量小等优点,在短期预测中有较高的精度,但对波动性较大的数据预测效果较差;神经网络具有较强的非线性映射能力以及自学习能力,对波动性数据的处理效果良好。本文结合二者的优点,建立了GM-BP组合模型。实例证明,组合模型相对单一的模型在地表变形预测中具有明显的优势。 相似文献
2.
通过对某地铁监测点小波去噪后的数据建立灰色预测模型,分析了灰色预测的优缺点,针对灰色预测对波动性数据预测的不足,建立了灰色-时序组合模型。首先,利用灰色模型提取时间序列中的趋势项;然后,用时序模型对残差项进行建模分析,兼顾了数据的趋势性和波动性,弥补了灰色预测的不足,提高了预报精度。 相似文献
3.
4.
5.
土地利用遥感动态监测能够快速提取土地利用变化信息,更新土地利用现状图,对于土地资源合理利用、科学管理具有重要的意义。本文以泰安市为例,利用2006年、2010年两期TM影像数据,在遥感处理软件ERDAS IMAGINE和ENVI的支持下,通过几何校正、图像重采样、影像裁剪、监督分类、动态矩阵分析等遥感技术对泰安市土地利用状况动态变化进行了研究。研究结果表明:耕地的面积大量减少,减少的面积最大,是其他用地面积增加的主要来源,建筑用地数量显著增加,但同时林地和草地数量也有所增加,所以不会因为环境问题影响到居民的正常生活。研究结果可为泰安市的可持续发展和有效管理提供理论基础和依据。 相似文献
6.
随着城市化的发展,地面交通压力越来越大,越来越多的城市开始发展地下交通轨道,不可避免地会实施隧道工程,由此引起的地表沉降是我们不得不重视的问题。本文以山东省某地铁隧道工程为研究对象,利用实测数据分析研究由此引起的地表沉降规律。一般认为peck公式只能对下沉最终值进行预测,本文将依据peck公式对隧道施工过程中的地面沉降值进行实时预测,结合实测数据,我们可以发现peck公式可以很好地预测隧道施工过程中的地表沉降规律。 相似文献
7.
针对传统卡尔曼滤波中动态噪声不准或难以确定等原因而导致模型估计值与真实值不符合,甚至滤波发散现象,已不足以满足高铁变形分析要求。本文采用两种自适应滤波方法优化这一问题,即方差分量估计自适应卡尔曼滤波与方差补偿自适应卡尔曼滤波。采用后验差检验法对比分析两模型精度并进行相关系数评估,结合某高铁段实测数据的处理分析,结果表明:方差补偿卡尔曼滤波模型更优于方差分量估计卡尔曼滤波模型。 相似文献
1