小波分析理论在GPS技术中的应用

在GPS数据处理中 ,存在着误差影响、影响波的干扰、周跳和数据量大等问题。误差影响和影响波的干扰实质是在接收卫星信号时受到其它因素的影响 ;周跳是由于卫星信号的失锁而造成信号的不连续 ;数据量大是因为GPS观测需要采样间隔小又连续观测所致。由于小波理论具有时频分析、波形分解、特征提取和快速小波变换等特性 ,应用小波变换和波形分解可以解决误差影响和影响波的干扰的问题 ;应用特征提取可以解决周跳检测问题 ;应用快速小波变换可进行数据压缩     

基于BP神经网络的抚河水环境质量评价研究

水环境质量评价中.评价因子和评价等级之间是一种复杂的非线性关系.人工神经网络权重因子可以通过学习自动调节,不需要人为设置权重,能较好的处理复杂的非线性关系.通过构建基于BP(反向传播)算法的人工神经周络模型.对抚河水质进行评价.评价结果与模糊聚类方法得出的结果进行对比可发现,神经网络法可以客现、准确的得出评价等级,同时还可以分析出同一类别河段污染程度的不同,实例证明它是一种较好的水环境质量评价方法.     

基于AGA的SVM需水预测模型研究

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统.其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策.作为一种集中参数预报方法,支持向量机方法具有对未来样本的较好的泛化性能,对于这类资料缺乏、系统结构尚欠清晰的问题可以取得较好的模拟和预测结果.基于此,本文将支持向量机方法引入需水预测领域,建立了需水预测支持向量机模型.同时,本文将加速遗传算法和支持向量机方法耦合起来,构造了支持向量机模型参数的自适应优化算法.模型在珠海市的应用实例表明:与简单遗传算法比较,AGA的模型参数寻优效率更高;与BP神经网络模型相比,SVM模型较好地解决了小样本、经验性等问题,并取得了较高的预测精度.     

小波分析在天然伽玛测井地质解释中的应用

在分析天然伽玛测井数据的信息特点和小波多分辨率分析原理的基础上,用小波多分辨率分析天然伽玛测井数据,消除其中的统计涨落等噪声干扰及提取天然伽玛放射性强度在不同沉积岩地层中分界标志特征和不同岩性中的变化特征,以提高应用天然伽玛测井资料进行地层划分及岩性识别的准确性和有效性.     

基于BP人工神经网络的枯水径流预报方案研究

介绍了BP人工神经网络的桔水径流预报方法,编制了锦屏一级水电站枯水径流预报方案.根据枯水径流预报方案的预报精度评定成果,总结了应用BP人工神经网络进行枯水径流预报的特点.研究表明基于BP人工神经网络的枯水径流预报方案能够满足水文情报预报规范,具有较好的实用性和可行性.     

小波气候突变的检测--应用范围及应注意的问题

气候突变及其检测是气候变化研究的一个重要方面。气候突变的表现多种多样,目前也有许多检测气候突变的方法,但这些方法能否准确地检测出气候突变现象,他们的适用范围如何,是一个值得注意的问题。研究表明,尽管小波分析方法在检测序列突变方面具有严格的数学意义,但因为其检测到的是序列的均值突变,因此,在应用于气候突变的检测方面应该特别注意,数学上的严格并不等同于气候意义上的严格。因为某些情况下有些突变点并没有一定的气候意义。     

Kohonen网络与BP网络的集成应用研究

本文介绍了 Kohonen神经网络对输入数据进行聚类方法在卷烟配方中的应用 ,提出了从核心样本动态搜索 BP网络训练样本的新探索 ,摒弃了过去 BP算法中训练样本固定不变 ,互不相交的方法 ,实现了 BP网络和 Kohonen网络动态无缝集成。     

基于神经网络的平底结构砰击压力预报

对利用神经网络预报平底结构入水砰击压力的方法进行了探讨。首先利用仿真软件计算各种情况下平底结构入水所产生的砰击压力，以此形成训练神经网络的数据集。其次利用数据集对三层反馈式网络进行了训练，讨论了不同隐含层节点数对该非线性系统的拟合能力，并且对梯度下降法、动量修正法和基于优化的LM算法的有效性和精度进行了比较，最后得出了适合平底结构入水砰击系统的网络结构。     

沉降监测多项式回归分析与神经网络预测

使用多项式和切比雪夫(Tchebyshev)多项式分别对沉降监测数据进行回归分析以预测未来沉降值,其中切比雪夫多项式的外推效果较好;应用前向BP神经网络对两种不同的单因子输入模式进行非线性函数逼近,并进行了不同采样步长的比较,实例表明将时间点作为网络的输入对沉降进行预测效果较好。     

基于EMD与神经网络的机械故障诊断技术

经验模式分解 (EMD)是分析非线性、非平稳信号的有力工具 ,它将信号分解为突出了原信号的不同时间尺度的局部特征信息的内在模函数 (IMF)分量。本文通过将各 IMF分量输入到 BP网络中进行训练学习和故障诊断 ,比直接输入原信号可以提高 BP网络对故障诊断的准确率 ,而且减少了训练时间。