基于时序AR(p)-RBF神经网络的变形建模与预测
为提高变形监测数据预测的精度与可靠性,本文提出基于时序AR(p)-RBF神经网络的预测方法.此法采用时间序列分析的DDS建模法,研究形变数据之间的相关性问题,从而确定RBF网络输入、输出层的节点数;并利用交叉验证搜索算法对RBF网络预测关键参数GOAL、SPREAD进行优选,将优化后的RBF网络应用于某建筑物的沉降变形预测,验证了该方法的有效性.
AR(P)模型、RBF神经网络、交叉验证算法、变形预测
38
TB22(工程设计与测绘)
河南省教育厅自然科学基金项目2009B170001
2013-11-27(万方平台首次上网日期,不代表论文的发表时间)
共3页
120-122