您的位置: 专家智库 > >

广西研究生教育创新计划(YCSZ2012083)

作品数:4 被引量:43H指数:3
相关作者:文鸿雁周吕韩亚坤高红张腾旭更多>>
相关机构:桂林理工大学更多>>
发文基金:广西研究生教育创新计划国家自然科学基金广西省自然科学基金更多>>
相关领域:天文地球建筑科学更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 3篇天文地球
  • 1篇建筑科学

主题

  • 2篇滤波
  • 2篇KALMAN...
  • 2篇沉降
  • 1篇断面法
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇神经网
  • 1篇神经网络
  • 1篇数字地面模型
  • 1篇最小二乘
  • 1篇最小二乘支持...
  • 1篇向量机
  • 1篇卡尔曼
  • 1篇卡尔曼滤波
  • 1篇库容
  • 1篇库容计算
  • 1篇灰关联
  • 1篇灰色关联
  • 1篇灰色关联分析
  • 1篇灰色预测

机构

  • 4篇桂林理工大学

作者

  • 3篇文鸿雁
  • 3篇周吕
  • 2篇韩亚坤
  • 1篇胡纪元
  • 1篇方世民
  • 1篇张腾旭
  • 1篇何美琳
  • 1篇高红

传媒

  • 1篇测绘科学
  • 1篇大地测量与地...
  • 1篇地理空间信息
  • 1篇桂林理工大学...

年份

  • 1篇2016
  • 1篇2014
  • 2篇2013
4 条 记 录,以下是 1-4
排序方式:
CASS在库容计算中的应用被引量:1
2013年
介绍了库容计算的基本原理以及CASS软件中的计算方法 ;结合具体工程实例,利用CASS软件中的数字地面模型(DTM)法、方格网法、断面法进行库容计算;并对比分析了不同算法的计算精度、优劣和适用条件。通过分析表明,DTM法和断面法具有精度高、计算速度快的特点。
张金花周吕何美琳方世民
关键词:库容数字地面模型方格网断面法
基于LS-SVM的灰色补偿RBF神经网络组合预测模型在建筑物沉降分析中的应用被引量:8
2016年
针对GM(1,1)模型在建筑物变形预测中精度和泛化能力较低的缺陷,提出一种基于LS-SVM的灰色补偿RBF神经网络的建筑物变形组合预测方法。利用最小二乘支持向量机训练由灰色GM(1,1)模型预测得到的一组结果的残差值,直接获得RBF网络的中心函数训练RBF网络,得到RBF误差补偿器,去补偿GM(1,1)模型。实验证明,最小二乘支持向量机、灰色系统以及神经网络3者相结合的方法,能有效提高建筑物变形沉降预测的精度。
高红文鸿雁胡纪元张腾旭聂光裕
关键词:GM(1,1)模型RBF神经网络最小二乘支持向量机补偿器
灰关联Kalman滤波的大坝变形分析模型被引量:9
2013年
针对某大坝变形影响因子多的情况,给出了一种基于灰色关联分析下卡尔曼滤波的新算法。以某大坝的水平变形为例,通过灰色关联分析讨论各影响因子的关联度并建立灰关联卡尔曼滤波模型,与普通卡尔曼滤波模型进行了对比分析,结果表明:灰关联Kalman滤波模型的综合精度较高,能够提供更准确的预报结果,对大坝变形分析研究有一定意义。
周吕文鸿雁韩亚坤
关键词:大坝变形卡尔曼滤波灰色关联分析
灰色预测与Kalman滤波在建筑物沉降变形分析中的应用被引量:25
2014年
沉降变形分析与预测对于建筑物的安全运营具有重要作用,建立科学、合理的预测模型对于变形分析极其重要。本文运用GM(1,1)模型与Kalman滤波模型对建筑物沉降变形进行预测。通过实例对比分析表明,GM(1,1)模型较适合短期且变形趋势呈线性或指数分布趋势的变形分析与预测;Kalman滤波模型对短期和较长周期呈波形或线性变形均具有较高预测精度。
周吕文鸿雁韩亚坤
关键词:沉降观测KALMAN滤波GM(1,1)
共1页<1>
聚类工具0