基于改进BP神经网络的孔洞修复探讨

空间散乱点的处理一直是逆向工程的研究重点,其中散乱点的模型重建是研究的核心。针对模型重建过程中存在孔洞的问题,本文提出一种基于误差传播学习算法(BP)神经网络的修补方法,通过介绍BP神经网络的特点及算法原理,提出算法的改进方法,加快了网络收敛的速度、提高了网络拓扑结构,最后通过实验证明改进方法的优越性。     

基于双向切片的点云孔洞修补方法研究

点云的孔洞修补是点云数据处理的重要一环。传统方法对孔洞区域包含多种曲面的孔洞,修补方法会产生失效或修补效果不理想的情况。本文引入了切片方法来进行复杂孔洞的修补,并在此基础上使用双向切片方法,修补的效果及精度良好。     

隧道三维点云孔洞修复方法

针对隧道三维激光扫描点云中的孔洞,设计一种基于断面轮廓的孔洞修复方法。隧道具有深长性与截面恒定性两大特征,文中基于这两大特征,利用间邻稳定轮廓拟合完整隧道修复孔洞。该方法能够对三维激光扫描点云进行圆柱投影,利用Delaunay三角构网,提出基于隧道表面三角网的孔洞识别方法,最后根据相邻隧道轮廓相似的特点,利用相邻的轮廓对孔洞进行修复。该方法能很好的修复孔洞并保留隧道结构细节,并以真实的隧道扫描数据验证算法的有效性和可靠性。     

基于总体最小二乘切片的孔洞修补方法研究

对点云孔洞的修补进行研究是点云数据处理的重要部分。对常用的孔洞修补方法进行了介绍,并详细介绍了基于切片的孔洞修补方法。通过引入总体最小二乘方法对基于切片的孔洞修补方法进行改进,使修补的精度得到提高。通过对比常用的修补方法在复杂孔洞修补中的应用,基于总体最小二乘的切片方法的修补效果更优。     

MEA-BP神经网络在大坝变形预测应用

针对BP神经网络预测极易陷入局部最优解,利用思维进化算法优化BP神经网络的初始权值和阈值,提出基于思维进化法优化BP神经网络(MEA-BP)大坝变形预测模型。通过算例验证,并与BP神经网络、GA-BP神经网络对比分析表明,该模型能够克服多数进化算法问题及缺陷,同时避免遗传算法中交叉和变异算子双重性,提高算法的整体搜索效率,在一定程度上保证较优的局部预测值和较好的全局预测精度,具备快速收敛能力,验证了提出的MEA-BP神经网络预测模型在大坝变形预测中的可行性和实用性。     

BP神经网络在区域似大地水准面精化中的应用

研究BP神经网络算法在区域似大地水准面精化中的应用,阐述了神经网络的结构及其算法,根据焦作市D级GPS网控制点的数据,利用MATLAB进行编程计算,拟舍得到厘米级的似大地水准面模型,并得到了有益的结论。     

基于小波去噪的BP神经网络在变形监测中的应用

在变形监测领域中,对沉降数据的准确预测能够提前获悉检测对象的变形趋势,避免事故发生.原始监测数据普遍含有异常值,从而会对预测模型精度造成一定影响,降低预测结果的准确性.以BP(Back Propagation)神经网络为基础,采用小波去噪的方式针对剔除和插补原始数据中的异常值,分别建立去噪前后BP神经网络预测模型,并利...     

根据断面轮廓线修复隧道点云孔洞的方法

为了修复采集点云的数据缺失,设计一种根据隧道断面轮廓闭合矢量线修复点云孔洞的方法,利用Microsoft Visual Studio 2010设计实现隧道轮廓线提取系统,并借助OpenGL实现结果的可视化。     

基于改进麻雀搜索算法优化BP神经网络的PM_(2.5)浓度预测北大核心CSCD

针对传统BP神经网络模型收敛速度慢、易陷入局部极值等问题,本文采用分段线性混沌映射(PWLCM)和萤火虫算法(FA)改进麻雀搜索算法(SSA),并优化BP神经网络模型初始权值和阈值,对西安市PM_(2.5)浓度进行预测。通过比较不同模型预测结果的评价指标,并与性能较优的SSA-BP模型对比,ISSA-BP模型预测结果的RMSE、MAPE、MAE分别下降了3.70、3.73、3.34。试验结果表明,改进后的麻雀搜索算法具有高效的全局最优搜索能力,优化后的ISSA-BP神经网络预测稳定性高,精度优于BP、SSA-BP神经网络模型,可用于预测PM_(2.5)浓度。     

基于粒子群优化的BP神经网络在GPS高程拟合中的应用

讨论了利用粒子群优化(PSO)算法来训练BP神经网络的权值和阀值的原理,分析了三种GPS高程拟合实例,结果表明PSO-BP模型可以应用于GPS高程拟合中。     

基于曲线内插法的点云空洞修补应用研究

在三维扫描中,由于扫描设备自身的限制或待测地形(物)的特点,获取的点云数据中往往会有大量的空洞,不仅对后续的建模有影响,而且会导致生成的地形图失真,所以必须要对点云空洞进行修补.本文首先分析了曲线曲率内插法的工作原理,根据实际地形所测点云的空洞,并结合计算机软件,对点云空洞进行修补.对修补后的空洞点云,选取空洞处的点位,采用平差法,对修补点云进行精度分析和质量评价,从而论证了采用曲线曲率内插法进行点云空洞的修补是完全可行的.     

BP神经网络在GPS高程拟合中的应用探讨

神经网络算法一直是国内外研究的热点问题,BP神经网络算法具有更小的模型误差,因此,被广泛应用于GPS高程拟合。本文通过对同一区域GPS高程拟合的应用探究,运用迭代运算对比BP神经网络算法与多项式拟合数据,从而证明BP神经网络在一定条件下具有更高的精度,更加突出了BP神经网络算法的实用性。     

无人机影像匹配点云技术在道路测设中的应用

随着技术的进步和经验的积累,无人机航测应用领域不断拓展,点云逐渐成为一种新型测绘地理信息产品。点云的应用可以大幅提高工作效率、降低外业劳动强度,深受测绘工作者青睐。天狼星无人机作为一款高精度测量型无人机,其影像匹配点云可以制作高精度数字高程模型,可用于道路测设土方量计算、任意断面设计。本文以某高速公路道路测设项目为例,通过精度分析、方案对比,阐述了新技术应用的可行性,可为类似的工程项目提供参考借鉴。     

基于ARIMA-BP神经网络的组合模型在地基沉降预测中的应用研究

在归纳时间序列分析法和BP神经网络法两种单一预测模型的基础上,研究了基于ARIMA-BP神经网络的几种不同的组合模型,并结合某地基沉降的实际数据对各种组合模型的预测结果与精度进行了比较分析,得出了相应的结论。     

基于神经网络的组合模型在基坑沉降预测中的应用研究

通过对基坑沉降发展规律及其沉降曲线特点进行的研究,在多种S型单项预测模型基础上引入了组合预测的思想,本文先用4种S型增长曲线模型分别对基坑开挖周边地表沉降值进行拟合和预测,然后基于各单一模型预测数值通过神经网络进行组合建立组合模型进行预测。通过实例,对模型的预测结果进行了分析和检验,证明了在沉降变形分析中应用此组合预测法的可行性。     

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。     

改进的小波神经网络在沉降预测中的应用

针对BP神经网络预测方法的稳定性较差,提出运用增加动量项的小波神经网络方法,进行沉降预测,并选出最优的隐含层节点数目,结合某高铁路基沉降监测数据进行实验分析。实验表明,该方法实际可行,稳定性较好并且预测精度高。     

遗传小波神经网络在高铁沉降预测中的应用

利用遗传算法的全局寻优特性,与小波神经网络相结合,建立遗传小波神经网络模型,并将其运用于高铁沉降预测,通过与BP神经网络、小波神经网络在高铁沉降预测的实验对比分析,结果表明遗传小波神经网络在高铁沉降预测中的稳定性更好、精度更高。     

顾及不确定因素的GA-BP神经网络在路基沉降预测中的应用

BP神经网络初始权值和阈值输入不同,将导致BP神经网络预测不稳定,精度也不是很高.通过遗传算法（GA）对BP神经网络的初始权值和阈值进行优化,能很大程度上提高预测的精度,但是,由于输入层不可能将影响输出的所有因素都包含在内,而这些没有考虑到的因素势必影响预测结果.文中将这些无法得知的不确定因素当做一个综合影响因素,定义为X因素,在建立模型时加以考虑.实验结果表明,这种顾及不确定因素的GA-BP神经网络模型能进一步提高预测精度.