發(fā)布時間：2018-05-03 15:42

  本文選題：灰色關聯(lián) + 相關向量機�。� 參考：《大地測量與地球動力學》2017年10期

【摘要】：基于灰色關聯(lián)算法確定與地表沉降有直接重要關聯(lián)的主要影響因子,構建高斯核函數(shù)和多項式核函數(shù)的加權核函數(shù),利用遺傳算法優(yōu)化模型參數(shù),建立相關向量機地表沉降預測模型。實驗結果表明,灰色關聯(lián)算法能定量地反映系統(tǒng)影響因子與地表沉降變化的關聯(lián)程度,有效處理不是完全明確的灰色系統(tǒng)信息;加權核函數(shù)的合理組合可較好地通過低維空間線性不可分映射變換到高維特征空間線性可分;遺傳算法具有計算過程簡單和自適應迭代尋優(yōu)特點;相關向量機模型可極大地減少核函數(shù)的計算量,計算過程和結果均具有概率解釋。該模型預測結果的多項精度指標值均優(yōu)于BP神經網絡和GR-SVM方法。
[Abstract]:Based on the grey correlation algorithm to determine the main influencing factors directly related to the surface subsidence, the weighted kernel functions of Gao Si kernel function and polynomial kernel function are constructed, and the parameters of the model are optimized by genetic algorithm. The prediction model of surface subsidence based on correlation vector machine is established. The experimental results show that the grey correlation algorithm can quantitatively reflect the degree of correlation between the influence factors of the system and the change of surface subsidence, and it is not completely clear about the grey system information. The reasonable combination of weighted kernel function can be transformed into high dimensional feature space by linear inseparability mapping in low dimensional space, and genetic algorithm has the characteristics of simple calculation and adaptive iterative optimization. The computation of kernel function can be greatly reduced by the model of correlation vector machine, and the calculation process and result have probability explanation. The prediction results of this model are superior to BP neural network and GR-SVM method.
【作者單位】： 東華理工大學測繪工程學院;武漢大學測繪學院;
【基金】：國家自然科學基金(41374007) 江西省自然科學基金(20132BAB201049,20161BAB203102) 江西省教育廳科學技術研究項目(GJJ150555)~~
【分類號】：U456.31

【相似文獻】

相關期刊論文 前10條

1 王志亮,許可;高速公路沉降預測神經網絡法應用研究[J];低溫建筑技術;2004年01期

2 杜玉兵,劉全;探討高速公路沉降預測的數(shù)學方法[J];鹽城工學院學報(自然科學版);2004年03期

3 柳治國,陳善雄,徐海濱;沉降預測的非等步長灰色時變參數(shù)模型[J];巖土力學;2004年12期

4 柳立峰;姜德義;王慶珍;田靜;李林;;基于灰色理論的公路沉降預測研究[J];重慶交通大學學報(自然科學版);2007年06期

5 高永;;一種高速公路加載卸載沉降預測模型[J];現(xiàn)代交通技術;2010年02期

6 賀斌;牛之庚;;基于指數(shù)曲線法的軟基沉降預測研究[J];科技創(chuàng)新導報;2011年13期

7 田龍;;高速公路工后沉降預測新方法[J];交通世界(建養(yǎng).機械);2011年06期

8 趙顯富,郭淳;灰色預測模型及其在沉降預測中的應用[J];鐵路航測;2002年03期

9 龍錦秀;;多級荷載下耦合流變的雙曲線沉降預測模型[J];廣東土木與建筑;2005年12期

10 趙振海;;沉降預測與分析的灰色系統(tǒng)預測法[J];公路交通科技(應用技術版);2007年09期

相關會議論文 前9條

1 葉觀寶;趙建忠;司明強;徐超;高彥斌;白航;;人工神經網絡在高速公路沉降預測中的應用[A];地基處理理論與實踐——第七屆全國地基處理學術討論會論文集[C];2002年

2 江莉妮;曹林濤;;基于曲線疊加的分級填筑路堤沉降預測[A];全國城市公路學會第十五屆（2006）學術年會論文集[C];2006年

3 周效志;桑樹勛;曹麗文;姬曉燕;;生活垃圾填埋場表面沉降預測模型對比研究[A];第三屆廢物地下處置學術研討會論文集[C];2010年

4 胡馳;吳勝倉;雷靜;;高速公路路基沉降預測系統(tǒng)開發(fā)與應用[A];中國老教授協(xié)會土木建筑（含建筑物改造與病害處理）專業(yè)委員會全國第九屆建筑物改造與病害處理學術研討會論文集[C];2011年

5 楊濤;樊琨;李國維;;基于函數(shù)干涉神經網絡的公路軟基沉降預測模型[A];中國土木工程學會第九屆土力學及巖土工程學術會議論文集（下冊）[C];2003年

6 甄亞男;張獻州;;基于改進遺傳算法的BP神經網絡在高速鐵路沉降預測中的應用[A];全國工程測量2012技術研討交流會論文集[C];2012年

7 田敏;;膨脹土地基路堤填筑與沉降預測研究[A];江蘇省公路學會優(yōu)秀論文集（2006-2008）[C];2009年

8 張曉艷;王挺;陳火旺;;基于多向量和實體模糊匹配的話題關聯(lián)識別[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

9 劉宏;李攀峰;張倬元;;九寨黃龍機場高填方地基工后沉降預測[A];貴州省巖石力學與工程學會2010年學術年會論文集[C];2010年

相關博士學位論文 前8條

1 袁懷宇;河北沿海高速公路軟土地基變形規(guī)律及沉降預測研究[D];長安大學;2015年

2 梁錦錦;支持向量機和支持向量域描述的若干問題研究[D];西安電子科技大學;2009年

3 余艷芳;改進型支持向量回歸機及其在過程建模與控制中的應用[D];華東理工大學;2010年

4 凌萍;基于支持向量技術的聚類分類研究[D];吉林大學;2010年

5 柳長源;相關向量機多分類算法的研究與應用[D];哈爾濱工程大學;2013年

6 曾志強;支持向量分類機的訓練與簡化算法研究[D];浙江大學;2007年

7 曾紹華;支持向量回歸機算法理論研究與應用[D];重慶大學;2006年

8 王振華;布爾向量數(shù)據模式分類關鍵問題及中醫(yī)診斷量表研制[D];北京交通大學;2009年

相關碩士學位論文 前10條

1 王兵;軟基監(jiān)測及其預報軟件系統(tǒng)編制研究[D];長沙理工大學;2014年

2 馮躍缺;山前平原區(qū)沖洪積軟基沉降規(guī)律及處理技術研究[D];石家莊鐵道大學;2015年

3 王鳴宇;衡水地區(qū)地面沉降機理及地面沉降預測[D];中國地質大學(北京);2016年

4 印鵬;考慮實測沉降數(shù)據新舊程度的軟基工后沉降預測方法[D];湖南大學;2015年

5 張林波;改進的灰色模型在煤礦地表沉降預測中的應用研究[D];江西理工大學;2015年

6 王明磊;濱海相沉積軟土地基處理及沉降預測研究[D];北京交通大學;2017年

7 劉鵬;軟基沉降預測系統(tǒng)及其應用研究[D];武漢理工大學;2004年

8 高艷平;某發(fā)電廠地基基礎沉降預測組合模型研究[D];河北工程大學;2016年

9 朱義城;路堤下水泥攪拌樁復合地基沉降預測研究[D];北京交通大學;2010年

10 王士金;時間序列及貝葉斯模型在沉降預測中的應用[D];浙江大學;2005年

，

本文編號：1839086