吴少华 作品数:9 被引量:23 H指数:3 供职机构: 东华理工大学测绘工程学院 更多>> 发文基金: 国家自然科学基金 江西省教育厅科学技术研究项目 江西省研究生创新基金 更多>> 相关领域: 天文地球 理学 更多>>
基于GA-BP神经网络的非等时距GM(1,1)模型及其应用 被引量:1 2015年 由于BP神经网络会陷入局部极小值,因此采用GA算法优化BP神经网络。根据灰色模型与GA-BP神经网络的特点,提出了非等时距GM(1,1)GA-BP模型的方法:即先对原始变形监测数据采用非等时距GM(1,1)模型处理,然后利用处理后的数据求出残差进而建立GA-BP神经网络模型进行残差修正。通过对比非等时距GM(1,1)模型的结果,发现非等GM(1,1)的GA-BP神经网络组合模型可以有效的提高模型精度。 李鑫 吴少华关键词:非等时距 GA-BP神经网络 基于IGGⅡ稳健总体最小二乘在变形监测的应用 被引量:1 2015年 由于外界的种种原因,测量误差始终存在。总体最小二乘考虑了系数矩阵误差以及观测向量误差,却未考虑观测向量可能存在粗差。因此,利用稳健估计方法,采用IGGⅡ权函数,提出了基于IGGⅡ的稳健总体最小二乘迭代方法。通过实例对比LS,TLS,以及稳健总体最小二乘的结果,发现稳健总体最小二乘的精度最高。 吴少华 程朋根 胡智仁 姜波清卡尔曼-非等时距加权灰色线性组合模型探讨 被引量:7 2016年 针对监测数据中不可避免的含有随机噪声以及监测时间往往不是等时距的问题,该文提出了一种基于卡尔曼滤波的非等时距加权灰色线性组合方法:首先对原始变形监测数据进行卡尔曼滤波处理,有效剔除随机噪声的影响;然后利用滤波后的数据建立非等时间间隔的加权灰色线性组合模型进行预测;最后进行对比分析。该模型不仅具有线性回归以及GM(1,1)的特点,而且克服了传统GM(1,1)的不足。实验结果表明,基于卡尔曼滤波的非等时距加权灰色线性组合模型不仅可以有效的剔除监测数据中的随机噪声,而且提高了模型精度,具有一定的参考价值。 吴少华 程朋根 胡智仁关键词:非等时距 卡尔曼滤波 基于蚁群算法在实际动态路网中搜索最佳路径的应用 被引量:6 2016年 最佳路径是实际动态路网中备受关注的话题之一,为了提高出行的效率、缓解交通拥堵的状况,本文对动态路网进行分析研究。通过分析实际动态路网的可通行性及影响因素,针对在理论研究中未结合实际路网中的影响因素而得出的最佳路线不符实际路线中的最优情况,在蚁群算法的基础上,结合实际路况,笔者对其进行改进,该算法可实现计算出一条从起始点到终点的最佳路径,并在Visual Studio 2010中用C#语言设计并验证了该算法,证明了它的正确性和有效性。 姜波清 程朋根 吴少华 熊子潇 李浩基于遗传神经网络的非等时距加权灰色线性组合模型在变形监测中的应用 被引量:1 2015年 针对非等时距以及BP神经网络会陷入局部极小值的问题,本文提出了基于非等时距加权灰色组合GA-BP模型的新方法。首先对原始变形监测数据采用非等时距的加权灰色组合线性模型处理,然后利用处理后的数据求出残差进而建立GA-BP神经网络模型进行残差修正。通过对比非等时距GM(1,1)以及非等时距加权灰色线性组合模型的结果,发现基于非等加权灰色线性组合GA-BP神经网络模型可以有效地提高模型精度,具有一定的应用价值。 吴少华 胡智仁 程朋根关键词:非等时距 GA-BP神经网络 IMAP制图排版软件设计与实现 2016年 首先主要阐述了IMAP制图排版的设计,然后根据设计的思路进行的IMAP软件的开发,通过利用了计算机技术将土壤图进行了人机交互排版,克服了传统制图排版的不足,增加了调控数据的可行性。最后通过实例数据测试软件的合理性,结果发现其在一定程度上提高了土壤图的输出,符合了工程、网络等用图的便捷性,并且实现了5万和25万比例尺土壤图排版的输出。 姜波清 程朋根 吴少华 熊子潇 李浩关键词:软件设计 基于二阶预测有效度IOWGA算子的变形组合预测研究 被引量:2 2016年 针对一阶预测有效度未能考虑预测精度的方差以及权数不变的问题,提出一种基于二阶预测有效度IOWGA算子的变权组合预测方法。该方法以二阶预测有效度作为目标函数,根据预测精度赋权,然后将其运用于变形数据分析中。实验结果表明,该模型预测精度高,适用于变形预测与分析。 吴少华 程朋根 胡智仁关键词:组合预测 改进的最优非负变权组合模型及其应用 被引量:3 2016年 根据GM(1,1)、BP神经网络、卡尔曼滤波的特点,建立以灰色关联度最大为准则的最优非负变权组合预测模型,在一定程度上抑制了误差"放大"的效应。与以误差平方和最小为准则的变权组合模型、各最优加权组合模型、各单一模型进行对比分析,结果表明,本文模型预测精度最高。 吴少华 程朋根 付博关键词:大坝变形 基于卡尔曼GM(1,1)的稳健估计及其在变形监测中的应用 被引量:2 2015年 当观测数据含有粗差时使用单一的GM(1,1)模型不能取得很好的精度,本文在卡尔曼GM(1,1)基础上提出基于卡尔曼GM(1,1)滤波的稳健估计模型。通过对大坝变形监测数据的处理结果可以看出卡尔曼GM(1,1)稳健估计具有更高的精度和效果。 程朋根 程远明 吴少华关键词:卡尔曼滤波 GM(1,1)