期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
马尔科夫链优化Richards曲线的沉降预测模型 被引量:13
1
作者 赵亚红 贺黎明 +2 位作者 王金星 郝延锦 牛芩涛 《测绘通报》 CSCD 北大核心 2018年第6期118-121,134,共5页
针对建筑物沉降具有非线性及随机性的特点,建立了基于马尔科夫链修正的Richards曲线预测模型,以提高模型的预测精度。首先利用Matlab平台的fminsearch函数,以拟合值与实测值误差平方和最小为原则,然后求得Richards模型的最优参数解,最... 针对建筑物沉降具有非线性及随机性的特点,建立了基于马尔科夫链修正的Richards曲线预测模型,以提高模型的预测精度。首先利用Matlab平台的fminsearch函数,以拟合值与实测值误差平方和最小为原则,然后求得Richards模型的最优参数解,最后利用马尔科夫思想修正拟合残差,进行沉降预测。以安阳市某高层建筑实际数据为研究对象,通过实例比较分析模型的预测精度。结果表明利用fminsearch进行Richards参数估计是有效的,经马尔科夫链优化后的Richards模型预测值平均绝对百分误差及均方根误差都比单模型预测小,预测精度有了一定的提高,能更好地反映数据序列随时间发展变化的总体趋势,适合于建筑物沉降预测。 展开更多
关键词 马尔科夫链 Richards曲线 沉降预测 fminserch
在线阅读 下载PDF
基于IOWHA算子的路基沉降加权组合预测方法研究 被引量:8
2
作者 赵亚红 王金星 +2 位作者 张丽华 周文国 郝延锦 《铁道科学与工程学报》 CAS CSCD 北大核心 2018年第10期2529-2534,共6页
针对传统的加权组合预测模型赋权过程中的缺陷,分析诱导有序加权调和平均算子(IOWHA)的优势,建立一种基于诱导有序加权调和平均算子的泊松-指数曲线组合预测模型。其基本思想是,以单一模型在每个时刻的预测精度作为诱导值,根据其大小排... 针对传统的加权组合预测模型赋权过程中的缺陷,分析诱导有序加权调和平均算子(IOWHA)的优势,建立一种基于诱导有序加权调和平均算子的泊松-指数曲线组合预测模型。其基本思想是,以单一模型在每个时刻的预测精度作为诱导值,根据其大小排序、赋权值,以组合预测误差倒数平方和最小为准则,得到最优模型的最优权系数解,进行组合模型预测。结合工程实测数据,利用组合模型进行预测。研究结果表明:基于IOWHA算子的组合预测模型预测平均绝对误差及平均绝对百分比误差均小于单一模型以及传统的最优加权几何平均组合模型,预测结果能很好的反映沉降趋势。 展开更多
关键词 IOWHA 泊松.指数曲线 路基沉降 加权组合预测
在线阅读 下载PDF
不连续平面的平面度误差评定方法研究 被引量:6
3
作者 娄建起 李巍 +1 位作者 付艳华 蔺红运 《计量学报》 CSCD 北大核心 2022年第1期14-20,共7页
提出了一种基于包容直线评定不连续平面的方法。首先,基于主成分分析对点云数据进行全局噪声剔除;然后,采用最小二乘平面拟合算法、多阈值点云提取算法及平行直线拟合算法获取符合条件的包容直线,并以空间中2条平行的包容直线代替包容... 提出了一种基于包容直线评定不连续平面的方法。首先,基于主成分分析对点云数据进行全局噪声剔除;然后,采用最小二乘平面拟合算法、多阈值点云提取算法及平行直线拟合算法获取符合条件的包容直线,并以空间中2条平行的包容直线代替包容平面建立最小区域;最后实现不连续平面的平面度误差评定及指导平面调整。实验结果表明:该方法与传统的特征点法相比平面度误差值比遗传算法降低0.011 mm,并且根据输出的偏距信息对平面进行调整后,平面度误差值减小1.959 mm。能有效地评定不连续平面的平面度误差和指导平面调整。 展开更多
关键词 计量学 平面度误差 不连续平面 包容直线 误差评定 偏距
在线阅读 下载PDF
面向对象随机森林方法在湿地植被分类的应用 被引量:17
4
作者 李方方 刘正军 +1 位作者 徐强强 任海成 《遥感信息》 CSCD 北大核心 2018年第1期111-116,共6页
针对湿地植被精细分类的研究较少、分类精度不高的问题,提出了面向对象随机森林湿地植被分类方法。面向对象分割技术可减少"椒盐效应",随机森林分类算法具有高准确度、抗噪能力强、性能稳定等优势。鉴于此,通过调整面向对象... 针对湿地植被精细分类的研究较少、分类精度不高的问题,提出了面向对象随机森林湿地植被分类方法。面向对象分割技术可减少"椒盐效应",随机森林分类算法具有高准确度、抗噪能力强、性能稳定等优势。鉴于此,通过调整面向对象的分割参数与随机森林中树的深度、个数等,构建了最优的面向对象随机森林分类模型。另外,选择了支持向量机分类算法和决策树分类算法作对比实验。实验结果显示,面向对象随机森林分类算法的总体精度达到88.3%,明显高于支持向量机算法和决策树算法,能够有效提高湿地植被分类的精度。 展开更多
关键词 随机森林 湿地植被 面向对象 分类 高精度
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部