双参数Tweedie机器学习模型及其精算应用

1

作者 高雅倩 孟生旺 《统计研究》 CSSCI 北大核心 2024年第4期126-140,共15页

Tweedie回归是保险损失预测和风险定价的主要工具之一。为充分利用大数据、物联网、机器学习等技术促进保险业的数字化转型,实现更加精准的风险识别和风险定价,本文将传统的Tweedie广义线性模型推广到双参数形式,并结合机器学习算法,提... Tweedie回归是保险损失预测和风险定价的主要工具之一。为充分利用大数据、物联网、机器学习等技术促进保险业的数字化转型,实现更加精准的风险识别和风险定价,本文将传统的Tweedie广义线性模型推广到双参数形式,并结合机器学习算法,提出双参数Tweedie梯度提升树模型和双参数Tweedie组合神经网络模型。基于我国一家保险公司的车联网大数据,提取了新的驾驶行为风险因子。通过实证研究检验了双参数Tweedie梯度提升树和双参数Tweedie组合神经网络在风险识别以及风险定价中的有效性,为促进我国保险业数字化转型提供了一种新的模型和方法。 展开更多

关键词 Tweedie回归 双参数梯度提升树 双参数组合神经网络 驾驶行为因子

在线阅读 下载PDF 职称材料

双重BP神经网络组合模型在实时数据预测中的应用 被引量：35

2

作者 李蔚 盛德仁 +4 位作者 陈坚红 任浩仁 袁镇福 岑可法 周永刚 《中国电机工程学报》 EI CSCD 北大核心 2007年第17期94-97,共4页

在回归和延时神经网络的基础上,利用非线性组合预测方法的优点,提出一种新的预测模型——双重BP神经网络组合模型模型,选用某660MW机组的主蒸汽流量数据进行学习训练,实例计算结果表明双重BP神经网络组合模型可提高单项预测模型的精度,... 在回归和延时神经网络的基础上,利用非线性组合预测方法的优点,提出一种新的预测模型——双重BP神经网络组合模型模型,选用某660MW机组的主蒸汽流量数据进行学习训练,实例计算结果表明双重BP神经网络组合模型可提高单项预测模型的精度,校核样本的平均相对误差为1.5%,而单独采用回归神经网络和延时神经网络进行预测的平均相对误差分别为2.7%和1.9%,证明双重BP神经网络组合模型具有很高的预测精度,可应用于火电厂实时数据的有效性验证。 展开更多

关键词 双重BP神经网络 实时 组合预测 回归神经网络 延时神经网络

在线阅读 下载PDF 职称材料

个人信用评估的Logistic-RBF组合模型 被引量：16

3

作者 姜明辉 谢行恒 +1 位作者 王树林 温潇 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2007年第7期1128-1130,共3页

针对个人信用评估中单一模型存在的不足,提出了利用组合预测模型进行个人信用评估的方法.基于不同单一模型在个人信用评估中所体现的优势,选择具有代表性的Logistic回归和径向基函数神经网络方法,建立了2种单一评估模型,在此基础上构建... 针对个人信用评估中单一模型存在的不足,提出了利用组合预测模型进行个人信用评估的方法.基于不同单一模型在个人信用评估中所体现的优势,选择具有代表性的Logistic回归和径向基函数神经网络方法,建立了2种单一评估模型,在此基础上构建了基于二者的组合模型.利用某商业银行的数据进行2类模式的分类,应用结果表明,组合模型有效地提高了预测的精确性和模型的稳健性,对于商业银行控制消费信贷风险具有更好的适用性. 展开更多

关键词 LOGISTIC回归 神经网络 组合预测 个人信用评估

在线阅读 下载PDF 职称材料

考虑气象因素的相似聚类短期负荷组合预测方法 被引量：22

4

作者 金义雄 段建民 +4 位作者 徐进 卫功存 蒯圣宇 李宏仲 王承民 《电网技术》 EI CSCD 北大核心 2007年第19期60-64,82,共6页

提出以气象负荷和长期趋势负荷之和为聚类中心对历史负荷数据进行相似搜索的方法,该方法可提高预测样本同被预测日负荷的相似度,从而增加预测结果的可信度和精确度。以权重优化组合的方式采用多种负荷预测方法进行组合负荷预测,应用实... 提出以气象负荷和长期趋势负荷之和为聚类中心对历史负荷数据进行相似搜索的方法,该方法可提高预测样本同被预测日负荷的相似度,从而增加预测结果的可信度和精确度。以权重优化组合的方式采用多种负荷预测方法进行组合负荷预测,应用实例证明该方法可体现不同地区、不同类型、不同气象敏感度的负荷特性,因而具有广泛的自适应性,对于负荷总量较小、变动范围较大且受天气因素影响明显的地区具有较好的预测精度。 展开更多

关键词 负荷预测 气象因素 线性回归 时间序列 灰色模型 神经网络 组合预测

在线阅读 下载PDF 职称材料

基于粒子群改进BP神经网络的组合预测模型及其应用 被引量：45

5

作者 崔吉峰 乞建勋 杨尚东 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2009年第1期190-194,共5页

针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平... 针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平均模型(ARIMA)时序预测对历史数据进行初步预测,对中长期预测中数据趋势项和随机项进行模拟;将初步预测的结果作为改进BP神经网络的输入,在此基础上进行训练和预测,构建基于改进BP网络的组合预测模型。以我国1978-2007年能源需求数据为样本,进行实例分析。结果表明:组合预测模型预测精度较BP神经网络、灰色预测方法和ARIMA预测方法分别提高4.8%,6.1%和5.3%,验证了组合预测方法在中长期预测问题处理中的有效性。 展开更多

关键词 BP神经网络 粒子群算法 ARIMA模型 灰色理论 组合预测

在线阅读 下载PDF 职称材料

基于组合预测模型的露天矿高陡边坡滑坡变形研究 被引量：10

6

作者 肖海平 杨旺生 +2 位作者 肖岚 郭钟群 曹希西 《金属矿山》 CAS 北大核心 2014年第4期169-171,共3页

随着露天矿山开采规模及深度的不断扩大,致使矿山边坡变陡、变高,而形成高陡边坡,但由于地质条件以及矿山施工等因素的影响,高陡边坡经常发生崩塌、滑坡等比较严重的地质灾害。因此,为加强对露天矿山高陡边坡的变形预测,应及时研究滑坡... 随着露天矿山开采规模及深度的不断扩大,致使矿山边坡变陡、变高,而形成高陡边坡,但由于地质条件以及矿山施工等因素的影响,高陡边坡经常发生崩塌、滑坡等比较严重的地质灾害。因此,为加强对露天矿山高陡边坡的变形预测,应及时研究滑坡的变化趋势,开展滑坡预警,指导矿山生产,保障人民的生命财产安全。建立了一种能够更加有效地反映出变形体变化趋势的组合预测模型,并介绍了其建模思想及计算方法,在此基础上,依据某高陡边坡实际监测数据,将其预测结果与独立预测模型的预测结果进行分析比较,结果显示,其精度要优于独立预测模型的精度,且可靠性更高,具有较强的适用性。 展开更多

关键词 组合预测模型 灰色模型 线性回归 神经网络

在线阅读 下载PDF 职称材料

基于RBF组合模型的山地红壤有机质含量光谱估测 被引量：14

7

作者 谢文 赵小敏 +3 位作者 郭熙 叶英聪 孙小香 匡丽花 《林业科学》 EI CAS CSCD 北大核心 2018年第6期16-23,共8页

【目的】探讨组合模型在山地红壤有机质含量高光谱估算中应用的可行性,以期为土壤有机质含量估测提供基础数据和科学依据。【方法】基于山地红壤光谱的全波段(400~2 450 nm)研究范围,选择偏最小二乘回归(PLSR)、BP神经网络(BP)和支持向... 【目的】探讨组合模型在山地红壤有机质含量高光谱估算中应用的可行性,以期为土壤有机质含量估测提供基础数据和科学依据。【方法】基于山地红壤光谱的全波段(400~2 450 nm)研究范围,选择偏最小二乘回归(PLSR)、BP神经网络(BP)和支持向量机回归分析(SVMR)3种单一高光谱估测模型,分别获得预测结果,并重构预测结果数据,以绝对误差和最小为目标,计算固定权重与不固定权重两种组合模型的权重值,并基于径向基函数(RBF)神经网络法建立组合模型,探讨不同赋权方法与是否重构数据条件下的最优组合模型。通过均方根误差(RMSE)、预测偏差比(RPD)和决定系数(R2)评价山地红壤有机质含量的预测精度。【结果】单一预测模型中的SVMR估测精度最高,验证决定系数(R2)为0.64,均方根误差为9.76 g·kg-1,测定值标准差与标准预测误差的比值为1.67;在组合模型数据不重构的条件下,不定权组合模型要优于定权组合模型;在组合模型数据重构的条件下,定权组合模型要略优于不定权组合模型,估测精度相差不大;最优模型是数据重构定权组合模型,模型验证决定系数(R2)为0.87,均方根误差为7.91 g·kg-1,测定值标准差与标准预测误差的比值为2.06;组合模型验证精度优于单一模型,说明利用RBF组合模型估算山地红壤有机质含量是可行的。【结论】对山地红壤有机质含量的快速估测而言,单一模型具有操作简单、运算速度快等特点,因而具有较大应用价值,但组合模型能较大限度地利用各种预测样本信息,从而能有效减少应用单一模型时所受随机因素的影响,从而提高山地红壤有机质含量的估测精度。 展开更多

关键词 RBF组合模型 山地红壤 有机质 土壤光谱 偏最小二乘回归 BP神经网络 支持向量机回归

在线阅读 下载PDF 职称材料

基于广义回归神经网络的船舶交通量预测模型 被引量：13

8

作者 刘敬贤 刘振东 周锋 《中国航海》 CSCD 北大核心 2011年第2期74-77,85,共5页

船舶交通量受多种环境与社会因素的影响,使得船舶交通量预测存在复杂性与非线性的特点。在分析现有预测模型和方法不足的基础上,介绍了广义回归神经网络GRNN的基本原理与拓扑结构。不同类型船舶受各类因素影响的程度不同,根据天津港VTS(... 船舶交通量受多种环境与社会因素的影响,使得船舶交通量预测存在复杂性与非线性的特点。在分析现有预测模型和方法不足的基础上,介绍了广义回归神经网络GRNN的基本原理与拓扑结构。不同类型船舶受各类因素影响的程度不同,根据天津港VTS(Vessel Traffic Services)中心提供的船舶交通量数据,按船舶种类将船舶交通量分为六类,利用GRNN神经网络分别进行预测。预测结果表明GRNN神经网络具有很强的非线性拟合能力,有效解决了天津港船舶交通量预测中的小样本问题,提高了整个预测系统的精度与稳定性。 展开更多

关键词 水路运输 船舶交通量 广义回归神经网络 小样本问题 组合预测模型

在线阅读 下载PDF 职称材料

基于灰色线性回归组合模型的机床热误差建模方法 被引量：7

9

作者 刘志峰 潘明辉 +2 位作者 张爱平 赵永胜 蔡力钢 《高技术通讯》 CAS CSCD 北大核心 2013年第6期631-635,共5页

为了控制机床热误差和提高机床加工精度,考虑到测得的热误差数据同时存在着线性和非线性因素,提出了采用具有处理线性和非线性能力的灰色线性回归组合热误差模型的建模方法。用此方法对某卧式加工中心热误差进行了建模和预测,并引入BP... 为了控制机床热误差和提高机床加工精度,考虑到测得的热误差数据同时存在着线性和非线性因素,提出了采用具有处理线性和非线性能力的灰色线性回归组合热误差模型的建模方法。用此方法对某卧式加工中心热误差进行了建模和预测,并引入BP神经网络对热误差模型的残差进行修正,从而获得了比较准确的热误差预测值。与用指数函数来模拟生成数据的灰色模型所获得的预测值进行了比较,证明了灰色线性回归组合及BP神经网络模型在机床热误差补偿建模应用中的优越性。 展开更多

关键词 热误差 灰色模型 灰色线性回归组合模型 BP神经网络 卧式加工中心

在线阅读 下载PDF 职称材料

基于离散Hopfield模式识别样本的GRNN非线性组合短期风速预测模型 被引量：18

10

作者 陈烨 高亚静 张建成 《电力自动化设备》 EI CSCD 北大核心 2015年第8期131-136,共6页

利用实时风速数据,建立基于离散Hopfield模式识别样本的广义回归神经网络(GRNN)非线性组合预测模型。在风速数据样本集经二维小波阈值去噪处理后,基于离散Hopfield识别历史数据中与待预测样本最相似的数据,并作为训练样本;将支持向量机... 利用实时风速数据,建立基于离散Hopfield模式识别样本的广义回归神经网络(GRNN)非线性组合预测模型。在风速数据样本集经二维小波阈值去噪处理后,基于离散Hopfield识别历史数据中与待预测样本最相似的数据,并作为训练样本;将支持向量机、BP神经网络和Elman神经网络分别进行单项预测的结果作为输入向量,经GRNN进行非线性组合预测。采用某风电场的实际风速数据进行预测,结果验证了该预测模型的正确性和有效性。 展开更多

关键词 风电 二维小波阈值去噪方法 离散HOPFIELD 模式识别 广义回归神经网络 非线性组合预测 模型 去噪 支持向量机 神经网络 预测

在线阅读 下载PDF 职称材料

基于递归神经网络的网络流量组合预测模型 被引量：9

11

作者 刘渊 姚萌 《计算机工程与设计》 CSCD 北大核心 2008年第3期700-702,共3页

为了提高网络流量的预测精度,提出了一种基于Elman递归神经网络、小波和自回归的网络流量组合预测模型。对流量时间序列进行小波分解,得到小波变换尺度系数序列和小波系数序列,对具有平稳特征的尺度系数序列用AR模型进行预测;而对体现... 为了提高网络流量的预测精度,提出了一种基于Elman递归神经网络、小波和自回归的网络流量组合预测模型。对流量时间序列进行小波分解,得到小波变换尺度系数序列和小波系数序列,对具有平稳特征的尺度系数序列用AR模型进行预测;而对体现了网络流量非线性、非平稳特性的小波系数序列使用Elman递归神经网络进行预测,最后通过Mallat算法重构得到网络流量的预测值。 展开更多

关键词 网络流量 递归神经网络 小波变换 自回归 组合模型 预测

在线阅读 下载PDF 职称材料

基于BP神经网络的组合预测及在电力负荷的应用 被引量：18

12

作者 林锦顺 姚俭 《上海理工大学学报》 EI CAS 北大核心 2005年第5期451-455,共5页

分析了电力负荷预测的意义及预测原理,并以传统方法证明了组合预测的优越性.在经典预测方法线性回归和现代预测方法灰色模型的基础上,通过BP神经网络进行组合预测.分别应用单一模型和以计算机为工具的组合模型对上海市年电荷用量进行预... 分析了电力负荷预测的意义及预测原理,并以传统方法证明了组合预测的优越性.在经典预测方法线性回归和现代预测方法灰色模型的基础上,通过BP神经网络进行组合预测.分别应用单一模型和以计算机为工具的组合模型对上海市年电荷用量进行预测.通过分析和比较验证了该组合算法的有效性. 展开更多

关键词 电力负荷 线性回归 灰色模型 BP神经网络 组合预测

在线阅读 下载PDF 职称材料

电力需求的非线性回归组合神经网络预测研究 被引量：12

13

作者 汪克亮 杨力 《计算机工程与应用》 CSCD 北大核心 2010年第28期225-227,共3页

电力需求同时具有典型的增长性和季节波动性二重趋势,从而显示出复杂的非线性组合特征。为了提高电力需求的预测精度,提出一种新的预测模型——非线性回归组合神经网络模型。该模型有效兼顾了非线性回归分析和人工神经网络的优点,与其... 电力需求同时具有典型的增长性和季节波动性二重趋势,从而显示出复杂的非线性组合特征。为了提高电力需求的预测精度,提出一种新的预测模型——非线性回归组合神经网络模型。该模型有效兼顾了非线性回归分析和人工神经网络的优点,与其他预测模型进行了比较,该模型明显提高了电力需求预测的精度。仿真实验表明了该模型用于电力需求预测的可行性和有效性。同时,该模型也可以作为其他类似季节型时间序列预测建模的有效工具。 展开更多

关键词 电力需求预测 非线性回归组合神经网络 二重趋势性

在线阅读 下载PDF 职称材料

基于变权重组合模型的铁路客运量短期预测 被引量：11

14

作者 褚鹏宇 刘澜 《计算机工程与应用》 CSCD 北大核心 2017年第4期228-232,262,共6页

科学、准确的铁路客运量短期预测是提高铁路客运系统竞争力与服务水平的关键。针对铁路短期客运量的特点,提出了一种基于灰色理论的变权重组合预测模型。为了获取不同模型在不同时刻的权重系数,采用广义回归神经网络对动态权重进行跟踪... 科学、准确的铁路客运量短期预测是提高铁路客运系统竞争力与服务水平的关键。针对铁路短期客运量的特点,提出了一种基于灰色理论的变权重组合预测模型。为了获取不同模型在不同时刻的权重系数,采用广义回归神经网络对动态权重进行跟踪和预测。以2014年1~12月份的铁路客运量为研究对象,分别建立均值GM(1,1)模型、离散GM(1,1)模型、灰色Verhulst模型以及变权重组合预测模型。实例分析的结果表明,三个单一模型的平均相对误差分别为17.14%、16.99%和12.94%,而变权重组合模型为7.01%,变权重组合预测模型的预测精度明显高于单一模型。 展开更多

关键词 铁路客运量 变权重 灰色理论 广义回归神经网络 组合预测

在线阅读 下载PDF 职称材料

基于组合神经网络模型对纺织品热阻与湿阻的估计研究 被引量：2

15

作者 楚艳艳 汪青 +1 位作者 崔世忠 禹建丽 《丝绸》 CAS 北大核心 2008年第4期40-42,共3页

针对纺织品热湿阻估计问题,采用纤维种类、面密度、厚度、透气性和回潮率5个影响因素,基于线性回归模型、BP人工神经网络模型,建立组合神经网络模型,分别对织物热湿阻值进行了实验估计。结果表明,线性回归模型对织物热阻和湿阻的估计精... 针对纺织品热湿阻估计问题,采用纤维种类、面密度、厚度、透气性和回潮率5个影响因素,基于线性回归模型、BP人工神经网络模型,建立组合神经网络模型,分别对织物热湿阻值进行了实验估计。结果表明,线性回归模型对织物热阻和湿阻的估计精度平均值分别为7.97%和6.69%;BP人工神经网络模型的估计精度平均值分别为4.23%和4.72%;组合神经网络模型的估计精度分别为1.31%和1.97%,估计精度高于其他两种模型。 展开更多

关键词 纺织品热湿阻 舒适性 线性回归模型 BP神经网络 组合神经网络模型

在线阅读 下载PDF 职称材料

组合预测模型在城市垃圾产量预测中的研究与应用 被引量：7

16

作者 杨晗熠 吴育华 《北京理工大学学报（社会科学版）》 CSSCI 2009年第2期54-57,共4页

为了给城市环境规划提供依据,我们要对城市垃圾产量进行预测,以期揭示其变化规律和发展趋势。本文从分析城市垃圾产量变化规律着手,给出了城市垃圾产量预测的常用模型,进而确定组合预测模型。通过层次分析确定组合预测权系数,将目前常... 为了给城市环境规划提供依据,我们要对城市垃圾产量进行预测,以期揭示其变化规律和发展趋势。本文从分析城市垃圾产量变化规律着手,给出了城市垃圾产量预测的常用模型,进而确定组合预测模型。通过层次分析确定组合预测权系数,将目前常用的垃圾产量预测模型有机地结合起来,建立了垃圾产量组合预测的结构模型。算例结果表明,该组合预测模型在预测准确性方面能得到改进,能对城市垃圾产量进行有效的预测。 展开更多

关键词 组合预测 城市垃圾量 灰色预测 人工神经网络 线性回归

在线阅读 下载PDF 职称材料

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型 被引量：10

17

作者 马飞虎 金依辰 孙翠羽 《应用科学学报》 CAS CSCD 北大核心 2020年第6期936-943,共8页

为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition,EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量... 为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition,EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律,为此使用了基于时间序列的NAR动态神经网络,该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型,以此来减少预测误差,提高预测精度.结果显示,EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测,预测精度可达93%,具有较好的应用价值. 展开更多

关键词 地铁客流量 短时预测 非线性自回归动态神经网络 经验模态分解 组合模型

在线阅读 下载PDF 职称材料

基于相对概率变化比的CNN超参数优化方法 被引量：3

18

作者 李慧 周溪召 施柏州 《上海理工大学学报》 CAS CSCD 北大核心 2021年第3期219-226,共8页

卷积神经网络(convolutional neural network,CNN)已被广泛应用于图像识别领域,其自身的超参数对图像分类问题中分类错误率的大小有较大的影响。为进一步优化CNN超参数,提出了基于Softmax回归的相对概率变化比。应用相对概率变化比寻找... 卷积神经网络(convolutional neural network,CNN)已被广泛应用于图像识别领域,其自身的超参数对图像分类问题中分类错误率的大小有较大的影响。为进一步优化CNN超参数,提出了基于Softmax回归的相对概率变化比。应用相对概率变化比寻找对图像分类影响较大的超参数,并根据超参数的重要性大小依次对其进行调整。为验证相对概率比的有效性,在网络架构1和网络架构2下进行了调参实验。实验结果表明,Softmax回归的相对概率变化比在不同的网络架构下均可反映CNN超参数对分类错误率的影响,且有助于找到一个更优的超参数组合,降低分类错误率。在MNIST和CIFAR-10数据集上的对比实验表明,研究结果在不同数据集下都适用。 展开更多

关键词 卷积神经网络 超参数组合 Softmax回归 相对概率变化比

在线阅读 下载PDF 职称材料

利用改进的BP神经网络预测烧结砖的抗压强度 被引量：1

19

作者 焦莉 刘明 李宏男 《建筑材料学报》 EI CAS CSCD 2005年第3期284-288,共5页

根据改进的BP神经网络基本原理,建立了烧结砖的神经网络强度预测模型.利用试验数据训练神经网络,通过工程实例,对训练过的神经网络进行了测试,并将用神经网络方法获得的结果与用传统数学回归模型计算的结果进行了对比.结果表明,该神经... 根据改进的BP神经网络基本原理,建立了烧结砖的神经网络强度预测模型.利用试验数据训练神经网络,通过工程实例,对训练过的神经网络进行了测试,并将用神经网络方法获得的结果与用传统数学回归模型计算的结果进行了对比.结果表明,该神经网络方法所得的预测值优于传统方法. 展开更多

关键词 超声回弹综合法 抗压强度 回归模型 BP神经网络

在线阅读 下载PDF 职称材料

基于视频的雾天能见度实时监测方法研究 被引量：6

20

作者 邱新法 叶栋水 +2 位作者 曾燕 叶秀枝 石一凡 《安全与环境学报》 CAS CSCD 北大核心 2018年第4期1413-1418,共6页

目前我国高速公路能见度监测主要依靠能见度观测仪,该方法覆盖区域有限且成本较高,而我国高速公路图像采集设备应用广泛,因此提出了一种基于监控视频图像测量雾天能见度的方法。该方法将图像进行分窗格处理,通过相关性分析筛选出最优兴... 目前我国高速公路能见度监测主要依靠能见度观测仪,该方法覆盖区域有限且成本较高,而我国高速公路图像采集设备应用广泛,因此提出了一种基于监控视频图像测量雾天能见度的方法。该方法将图像进行分窗格处理,通过相关性分析筛选出最优兴趣窗格的亮度均方差特征矩阵,建立BP神经网络修正线性残差组合模型。结果表明：残差修正模型监测效果优于单一线性回归模型,残差修正模型的决定系数R2为0.977;在光线充足的情况下,残差修正模型的相对误差在10%以下,模型精度相对稳定;最后应用此方法监测高速公路雾天能见度,模型的正确率在80.48%以上。验证了用该方法测量雾天能见度具有可行性和有效性。 展开更多

关键词 公共安全 雾天能见度 线性回归 BP神经网络 组合模型

在线阅读 下载PDF 职称材料