期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于BP自回归模型的混合信号稀疏分解
1
作者
唐婷
《科学技术与工程》
北大核心
2013年第4期903-907,共5页
针对混合信号中少量未知的交叠信号无法检测与精确描述的问题,提出了一种新的检测方法。该方法基于BP自回归模型,将待检测信号通过稀疏分解理论分解为一系列信号源的线性描述。仿真结果表明,该方法具有较高的精确度和有效性。
关键词
基追踪
自回归模型
稀疏分解
混合信号
在线阅读
下载PDF
职称材料
客货共线无砟轨道平顺状态预测模型
被引量：
4
2
作者
马帅
高亮
+1 位作者
刘秀波
蔡小培
《中国铁道科学》
EI
CAS
CSCD
北大核心
2019年第3期24-31,共8页
客货共线无砟轨道的轨道质量指数(TQI)具有随时间长期缓慢变化并伴随平稳波动的特点,而现有的预测模型难以预测这种变化。基于小波和时间序列分析预测方法,提出ARMA-BP神经网络和ARMA-SVR预测模型。通过小波分析将TQI时间序列分解为高...
客货共线无砟轨道的轨道质量指数(TQI)具有随时间长期缓慢变化并伴随平稳波动的特点,而现有的预测模型难以预测这种变化。基于小波和时间序列分析预测方法,提出ARMA-BP神经网络和ARMA-SVR预测模型。通过小波分析将TQI时间序列分解为高频和低频2个部分,采用ARMA模型对高频部分建模,分别采用BP神经网络和支持向量回归SVR模型对低频部分建模,最后对高频和低频进行综合预测。此方法可根据具体情况对具有不同特性的TQI时间序列进行针对性建模,提高预测精度。运用此方法对包西线和太中线10个无砟轨道区段TQI时间序列进行预测,结果表明:ARMA-BP神经网络与ARMA-SVR的建模精度平均值分别为98.1%和98.5%,后验差分别为0.31和0.21,均达到1级;前者对已知数据的拟合精度高,而后者对未知数据预测能力较强、泛化能力更突出。
展开更多
关键词
客货共线
无砟轨道
平顺状态
预测模型
轨道质量指数
支持向量回归(SVR)
bp
神经网络
小波分解
在线阅读
下载PDF
职称材料
题名
基于BP自回归模型的混合信号稀疏分解
1
作者
唐婷
机构
成都工业学院电气与电子工程系
出处
《科学技术与工程》
北大核心
2013年第4期903-907,共5页
文摘
针对混合信号中少量未知的交叠信号无法检测与精确描述的问题,提出了一种新的检测方法。该方法基于BP自回归模型,将待检测信号通过稀疏分解理论分解为一系列信号源的线性描述。仿真结果表明,该方法具有较高的精确度和有效性。
关键词
基追踪
自回归模型
稀疏分解
混合信号
Keywords
bp regression model sparse decomposition mixed signal
分类号
TN911.7 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
客货共线无砟轨道平顺状态预测模型
被引量：
4
2
作者
马帅
高亮
刘秀波
蔡小培
机构
北京交通大学土木建筑工程学院
中国铁道科学研究院集团有限公司基础设施检测研究所
出处
《中国铁道科学》
EI
CAS
CSCD
北大核心
2019年第3期24-31,共8页
基金
中国铁路总公司科技研究开发计划项目(2015G001-B)
文摘
客货共线无砟轨道的轨道质量指数(TQI)具有随时间长期缓慢变化并伴随平稳波动的特点,而现有的预测模型难以预测这种变化。基于小波和时间序列分析预测方法,提出ARMA-BP神经网络和ARMA-SVR预测模型。通过小波分析将TQI时间序列分解为高频和低频2个部分,采用ARMA模型对高频部分建模,分别采用BP神经网络和支持向量回归SVR模型对低频部分建模,最后对高频和低频进行综合预测。此方法可根据具体情况对具有不同特性的TQI时间序列进行针对性建模,提高预测精度。运用此方法对包西线和太中线10个无砟轨道区段TQI时间序列进行预测,结果表明:ARMA-BP神经网络与ARMA-SVR的建模精度平均值分别为98.1%和98.5%,后验差分别为0.31和0.21,均达到1级;前者对已知数据的拟合精度高,而后者对未知数据预测能力较强、泛化能力更突出。
关键词
客货共线
无砟轨道
平顺状态
预测模型
轨道质量指数
支持向量回归(SVR)
bp
神经网络
小波分解
Keywords
Passenger-freight
mixed
line
Ballastless track
Rail regularity state
Prediction
model
Track quality index
Support vector
regression
(SVR)
bp
neural network
Wavelet
decomposition
分类号
U213.244 [交通运输工程—道路与铁道工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于BP自回归模型的混合信号稀疏分解
唐婷
《科学技术与工程》
北大核心
2013
0
在线阅读
下载PDF
职称材料
2
客货共线无砟轨道平顺状态预测模型
马帅
高亮
刘秀波
蔡小培
《中国铁道科学》
EI
CAS
CSCD
北大核心
2019
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
