基于神经网络的不可靠数据恢复研究

摘要：

智能系统中单点或少数传感器采集的数据在某一段时间出现不可靠问题,在装备有许多传感器的智能系统中普遍存在,即使在由先进的传感器构成的桥梁结构健康监测系统中,80%以上的虚假报警也是由于测量数据的不可靠性造成的.传统上对于不可靠数据的处理主要应用线性回归法、平均法等方法进行恢复,然而,大多数测量数据在时域上表现为非线性特征,传统方法恢复的数据在精度上是很难达到要求.以桥梁挠度数据作为研究对象,利用原始数据对挠度测量点进行了关联分析,并依据RBF神经网络强大的函数逼近能力,提出了一种基于神经网络模型来恢复不可靠测量数据的方法,并在仿真实验中,通过对比实验(该方法的均方误差为2E-9,线性回归法均方误差为0.6974)证实了该方法在理论和实践上的精确性和可行性.

关键词：挠度、关联分析、神经网络、非线性逼近、数据恢复

所属期刊栏目：24

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家科技部重大攻关资助项目2002BA105C;国家自然科学基金60404014;重庆市自然科学基金2005BB608

在线出版日期：2007-09-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：333-336