简介:摘要高铁隧道变形监测过程中有很多不确定因素导致获得的监测数据包含很多随机误差,利用小波分析理论先对数据进行降噪处理,再通过小波分析与经典的人工神经网络相结合,建立小波神经网络模型进行预测。与BP网络模型相比,经过小波函数降噪后再进行预测模型的建立所获得的预测结果精度更高,误差小,在高铁隧道的变形监测研究中有很好的应用前景。
简介:摘要:全球导航卫星系统(GNSS)是一种高度精确、连续、全天候和近实时微波技术,其中GPS的应用最为广泛,目前GPS已经能够达到毫米级的平面坐标定位精度,这种优势能够大大缩减人工测量的时间,提高效率,但是由于GPS所测高程和我国工程测量中使用的高程基准面不同使得GPS高程测量值的应用受到限制。针对将GPS高程测量值通过拟合方法转换为工程坐标下的正常高的研究有着广泛的实用价值。本文采用目前流行的BP神经网络法对测区范围内GPS所测得的大地高数据进行拟合,基于GPS测量得到已知点坐标和高程异常,建立两者之间的神经网络关系,并对网络进行训练,根据预测值和实际值之间的差异对网络中的权值和阈值进行重复计算修改,最后使得预测与实际值之间的误差满足要求,计算外符合精度并对未知点的高程异常值进行预测。通过MATLAB实现BP神经网络高程拟合并与多项式曲面拟合方法进行精度比较,最后得出BP神经网络拟合精度高且相比于多项式曲面拟合法具有准确性,可靠性和稳定性。
简介:摘要:随着科技的不断发展,图像识别已经成为研究的热点领域。深度神经网络作为现代人工智能的重要分支,为图像识别技术的发展带来了革命性的突破。本文旨在研究面向图像识别的深度神经网络模型设计,探讨不同模型的设计方法和优劣,并深入分析其内在机制。通过实验对比和分析不同模型的性能,总结各自的特点和适用场景,为未来的研究和实践提供有益参考。
简介:摘要:随着遥感技术的不断进步和深度学习算法的快速发展,逐渐出现了一系列应用于遥感图像分类的神经网络模型。本文通过对近年来相关文献的综述,总结了各种神经网络模型在遥感图像分类中的应用情况、优缺点及发展趋势,旨在为遥感图像分类领域的研究者提供参考和启示。
简介:摘要交通流预测是交通控制与管理,交通状况改善的重要参考指标。本文建立灰色模型和BP神经网络相结合的组合模型,利用灰色模型对实际监测到的数据进行拟合、预测,得到预测值和预测残差,将预测残差输入到神经网络模型进行残差的学习、仿真和预测,残差预测值和灰色模型预测值的和值作为最终预测结果。结果表明,用灰色模型对神经网络模型预测进行优化,其预测结果比单一的神经网络建模预测具有更高的准确性和实用性,提高了预测的精度。
简介:摘要:在全球经济高速发展的时代背景下,人们的生活水平也不断提高,汽车成了每家每户必不可少的交通工具。再加上交通物流业的迅猛发展,交通事故也频繁发生。研究发现,导致交通事故的最主要的因素就是汽车驾驶存在盲区。视野盲区阻挡驾驶员的视线,导致驾驶员在遇到突发事件时,无法及时有效地作出制动措施。因此,有效解决汽车视野盲区问题,关系到汽车驾驶的安全性。如今市面上的盲区检测产品,探测精度低,易产生视觉疲劳,从而也会导致安全事故的发生。基于此团队研发了一款超声波盲区检测预警自处理系统,通过雷达探测和监控摄像头技术的融合,能够使盲区信息实时展现在驾驶员的视野范围之内,有效地解决了图像出现的失帧和变形的问题,并利用危险等级模型的检测实现报警区域影像的放大集中,有效避免了驾驶员的视觉疲劳,使驾驶员接收到视觉和听觉的双重预警,并且该模型能使汽车实现自处理功能,解决驾驶员的判断失误或紧急境况的突发应变能力不足而造成事故的问题,以最安全的方式确保盲区检测效果。