排序方式： 共有3条查询结果，搜索用时 93 毫秒
1
1.
GPS高程是相对于WGS-84椭球体的大地高,因此,在工程应用中,GPS高程需要转换为正常高.转换GPS高程通常采用二次曲面拟合法(CFM)和神经网络方法(NNM),但这2种方法各有优缺点.在研究了这2种方法之后,提出了一种转换GPS高程的新方法,该方法综合了上述2种方法的优点,故取名为“CF&NNM”方法.介绍了CF&NNM方法的思路和计算过程.通过一个工程实例,列出了上述3种方法的数据处理结果,新方法效果最好.对CF&NNM方法进行了理论分析. 相似文献
2.
为了提高大坝变形分析模型的预测精度并检验模型的泛化能力,研究了大坝变形分析的BP神经网络模型,并基于神经网络BP算法和传统的统计模型建立了大坝变形分析的融合模型．结合陈村大坝多年的变形观测数据,对上述3种模型进行了试算及分析．分析结果表明,统计模型的平均预测精度为±0．477mm．BP神经网络模型的平均预测精度为±0．390mm,融合模型的平均预测精度为±0．318mm,相比统计模型和BP神经网络模型分别提高了33％和18％,且泛化能力较强,具有广泛的适用性． 相似文献
3.
基于神经网络方法的模型误差补偿 总被引：1，自引：0，他引：1
介绍了2种补偿模型误差的传统方法:附加系统参数方法和最小二乘配置法.提出了一种基于BP算法的补偿模型误差的神经网络方法,简称为H-BP算法.假设函数模型为y=f(x1,x2,…,xn),则H-BP算法的神经网络结构为(n+1)×p×1,(n+1)是输入层元素个数,具体为x1,x2,…,xn和y',其中),y'是函数模型计算值;p为隐含层节点数,一般通过大量试验得到;1是输出层元素个数,具体为△y:Y0-y',其中y0是样本真值.然后,详细介绍了H-BP算法的具体计算步骤.最后,结合一个工程实例,对3种补偿方法的结果进行了详细对比分析.传统方法补偿之后的精度约为±19 mm,H-BP算法补偿之后的精度为±4.3 mm.结果表明,与传统方法相比,新方法对模型误差的补偿效果更好. 相似文献
1