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.     

基于神经网络的房地产估价研究

根据房地产估价的特点将人工神经网络引入到房地产价格评估领域,创建了基于神经网络的房地产估价模型,在对训练样本验证结果分析的基础上,对两种神经网络估价模型进行了对比分析,指出了两种网络各自的优缺点以及改进措施。     

经验模态分解与神经网络的GPS可降水量预测

本文将经验模态分解与神经网络相结合的方法应用于GPS可降水量预测。对GPS可降水量进行经验模态分解,在分解过程中采用径向基神经网络处理端点问题,针对经验模态分解得到的每个分量分别运用径向基神经网络进行预测,并重构出最后的预测结果。重构结果与直接运用神经网络进行预测的GPS可降水量、实测GPS可降水量进行比较,结果表明,相对于直接预测,经验模态分解与神经网络结合的方法具有更高的预测精度。     

基于遗传算法的RBF神经网络在GPS高程拟合中的应用

本文针对RBF神经网络中隐含层径向基中心值的确定,利用遗传算法对其进行优化,并应用于高程拟合的实验研究中。通过将遗传算法优化的RBF神经网络与K-均值优化的RBF神经网络及标准RBF神经网络进行高程拟合的误差对比分析表明:遗传算法优化的RBF神经网络提高了拟合的稳定度,改善了精度。     

深度学习支持下的宅基地复垦项目真实性智能审查技术研究与应用

全域综合整治背景下的宅基地复垦项目审查是保证复垦项目合法性合规性的有效手段,针对当前宅基地复垦项目审查效率低的问题,本文提出了基于遥感影像的农村宅基地复垦项目立项真实性审查方法。首先以重庆市农村宅基地复垦项目为例,建立宅基地复垦项目立项真实性审查模型,利用改进的U-Net模型准确提取建筑物,然后与复垦红线叠加实现复垦项目真实性的智能审查。试验结果表明,该方法能够快速准确地审查复垦项目真实性,对优化土地结构、促进土地流转、实现乡村振兴具有重要意义,可为全域综合整治背景下宅基地复垦项目真实性审查提供技术参考。     

基于改进的Kriging法区域似大地水准面精化分析

区域似大地水准面精化研究主要是用于测绘学科,将精化结果应用到绘制地形图中,减少户外工作量,降低人力成本。传统采用的Kriging法在精化时会出现误差,精度值不达标。所以,改用了一种基于已知的拟合残差进行计算的改进方法重新精化研究。将改进的Kriging法与传统的Kriging法对比后,改进后的方法精化结果的拟合精度明显要高于传统方法。     

基于移动测量的交通标志自动提取

针对从移动测量车采集的图像中提取交通标志的需求,研究探索适合移动测量的交通标志检测识别方案。在交通标志检测阶段,提出一种检测多个圆形禁令标志连接的多圆度检测法,对于三角形警告标志的检测,在原有拐角检测法基础上提出基于候选区域的拐角检测法;在交通标志识别阶段,选用像素特征作为特征向量,采用概率神经网络实现交通标志的分类识别。最后设计实现移动测量后处理软件的交通标志自动提取模块。     

神经网络辅助的GPS/MEMS-INS组合导航算法

在GPS/MEMS-INS(Micro-electromechanical System-Inertial Navigation System)组合导航中,当载体处于恶劣环境下或者载体处于大机动运动情况下,会导致GPS失锁。此时单独工作的低精度MEMS-INS会由于其位置和速度误差随着时间的变化而迅速积累最终无法导航。针对此问题,设计了一种结构简单易于实现的神经网络辅助的GPS/MEMS-INS组合导航系统。通过模拟实验,与标准卡尔曼滤波(KF)和无迹卡尔曼滤波(UKF)框架下组合导航相比,所提出的结构简单容易实现的神经网络辅助的组合导航系统具有较高的稳定性,并且组合导航整体过程中经纬度与速度精度均提高了65%左右。     

BP神经网络在高程异常反演预测中的应用分析

利用C#语言编制了BP神经网络反演预测程序,基于具有代表性地区的高程异常数据,对BP神经网络在高程异常反演预测中的应用进行了分析。结果表明,本程序交互界面良好,具有很好的通用性;同时,在高程异常反演预测中取得良好的效果,说明神经网络在差异较大的数据反演预测方面仍具有较强的优势。     

基于云理论、粗集和模糊神经网络的区域橡胶种植适宜度评估模型

针对橡胶种植适宜性评估,基于云理论、粗集理论和模糊神经网络理论,提出了一种适宜度评估模型。该模型将转化的样本数据进行粗集简约,通过模糊神经网络得出评价因子的隶属函数,计算评价等级。研究结果表明,此模型能够科学、快速、准确地分析出橡胶种植最适宜区、适宜区、次适宜区和不适宜区。