排序方式: 共有27条查询结果,搜索用时 20 毫秒
1.
2.
针对大坝变形预测的影响因素过多且无法精准预测的问题,将主成分分析方法、多元宇宙算法、BP神经网络协同应用于大坝水平位移预测中,构建出PCA-MVO-BP预测模型。通过PCA来降低原始输入参数的维度,消除变量间相关性,并结合多元宇宙算法的快速收敛、泛化能力强的特性,解决BP神经网络预测模型中的权值和阈值的优化问题。以丰满大坝监测数据为测试样本,将组合模型与常规预测模型进行对比。结果表明:相较于常规LSSVM、RF、SVM算法,组合预测模型的平均误差、标准误差、平均绝对百分比误差值均较小,其预测精度较于单一BP神经网络提高了28.85%。表明了PCA-MVO-BP模型在大坝水平位移预测中的现实性。 相似文献
3.
本文利用中国东北地区NECESSArray记录到的45505条接收函数,结合该区域最新三维速度模型,采用快速行进法求解程函方程,计算了P-S转换波相对走时,并通过共转换点叠加成像方法获得了该地区下方地幔间断面起伏情况.结果显示,在长白山—五大连池连线一带东西约300 km,南北约900 km的狭长形区域内,660-km间断面下陷幅度达20~40 km.其结构可细分为南北两部分,南部更为狭窄且与日本海沟走向一致,对应于从日本海沟俯冲的太平洋板块在地幔过渡带的滞留区;北部对应于从千岛海沟俯冲的太平洋板块在地幔过渡带的滞留区.同时,在长白山西部,存在与长白山—五大连池下陷区形状类似的南北向狭长形抬升区,660-km间断面抬升幅度约为10 km,显示俯冲太平洋板块只延伸至松辽盆地东侧;而在盆地西侧,660-km间断面的下陷区可能与该地区岩石圈拆沉有关.同时,410-km间断面在松辽盆地—渤海一带,以及长白山火山西南和东北方向存在明显的下陷区;另外,在阿巴嘎及阿尔山也有小范围的下陷区.所有这些下陷区,均与地表新生代火山活动区/拉伸区有很好的对应关系,表明这些地表构造与深部热物质上涌有关.
相似文献4.
激光测距仪是用激光作光源的一种光电测距仪。激光测距仪和普通光源的光电测距仪,微波测距仪相比较,具有测量距离长,测距精度高,抗干扰性强,对前者而言,还有体积小,重量轻,不管白天、黑夜都能工作等优点。为什么激光测距仪具有这些优点呢?这是因为激光光源具有优异的特性。在介绍激光测距仪之前,要先对激光作一大致的介绍。所以这一讲包括两部分内容。第一部分简要地介绍一下激光的基础知识,以便了解激光是怎么产生的?激光具有什么特性?在测距仪中常用的几种激光器和激光在大气中传输对测距的影响。第二部分以DC-30JG型激光测距仪为例,介绍一下仪器的组成、距离的计算及仪器的使用等问题。 相似文献
5.
6.
针对遥感影像高斯白噪声去噪的问题,本文首先利用差分进化(DE)优化三维块匹配(BM3D)中的硬阈值变换参数(参数包括块距离阈值和三维变换域硬阈值参数);然后使用优化的BM3D算法消除影像中高斯白噪声,以峰值信噪比(PSNR)、结构相似度(SSIM)和边缘保留指数(EPI))作为评价指标。试验结果表明,在噪声密度不同情况下,融合算法的PSNR、SSIM和EPI均有所提升,尤其EPI相较于BM3D算法提高约2%。整体上,融合算法的遥感影像高斯白噪声的去噪效果优于单一BM3D算法。 相似文献
7.
为了解决无人机点云数据中的孔洞修补问题,本文提出了基于麻雀搜索算法(SSA)优化BP神经网络的无人机点云孔洞修补方法。首先利用麻雀搜索算法对传统的BP神经网络进行初始权重与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法(SSA-BP)运用于无人机点云数据中孔洞的修补。为了验证算法的可行性,将SSA-BP神经网络与传统的BP神经网络、最小二乘支持向量机(LSSVM)两组算法进行精度比较。试验结果表明:SSA-BP神经网络算法的修补精度高于另外两组对比算法,且SSA优化后的BP神经网络稳定性更强,在复杂地形孔洞的修补中仍具有较好的修补效果。 相似文献
8.
采用硫酸铵分部沉淀与凝胶过滤的方法,进行藓羽藻Rubisco的分离研究。结果表明,分离的藓羽藻Rubisco经SDS-聚丙烯酰胺凝胶电泳检测呈两条清晰条带,分别为Rubisco大亚基与小亚基;与菠菜相比,藓羽藻Rubisco大亚基分子量与菠菜基本相同,而小亚基较之稍大一些。藓羽藻Rubisco活力测定结果表明,Rubisco分离过程中用硫酸铵分部沉淀后活力降低许多,分离后活力有所上升,但仍比粗提液活力弱;在Rubisco活力测定过程中,藓羽藻Rubisco的活化温度与其它物种Rubisco活化的温度不同,在低温下活化效果较好。这些结果说明Rubisco的酶活力受硫酸铵的影响而且藓羽藻Rubisco相对陆地高等植物结构不稳定。 相似文献
9.
针对机载LiDAR点云的岛屿岸线提取过程复杂、附属岛屿岸线难以提取等问题,提出一种基于改进Alpha Shape算法的点云数据岛屿边界提取方法。首先利用布料模拟滤波算法剔除非岛屿点云数据,通过欧式聚类进行不同岛屿的提取,再将岛屿点云数据投影至二维平面,并根据岛屿点云构建格网。在此基础上使用自适应Alpha Shape算法,对提取出的岛屿点云进行边界提取,即可得到岛屿的岸线轮廓。选取新西兰的玛提尤/萨姆斯岛作为研究区域,并将本文算法与Alpha Shape算法进行对比,结果表明:本文算法提取岛屿边界点云的精准度为97.78%,可以准确地提取岛屿岸线,为海岛规划提供参考。 相似文献
10.