基于云模型的算法改進(jìn)及其在土石壩變形分析和預(yù)測(cè)中的應(yīng)用

基于云模型的算法改進(jìn)及其在土石壩變形分析和預(yù)測(cè)中的應(yīng)用

ID:33129135

大小:2.95 MB

頁(yè)數(shù):72頁(yè)

時(shí)間:2019-02-21

基于云模型的算法改進(jìn)及其在土石壩變形分析和預(yù)測(cè)中的應(yīng)用_第1頁(yè)
基于云模型的算法改進(jìn)及其在土石壩變形分析和預(yù)測(cè)中的應(yīng)用_第2頁(yè)
基于云模型的算法改進(jìn)及其在土石壩變形分析和預(yù)測(cè)中的應(yīng)用_第3頁(yè)
基于云模型的算法改進(jìn)及其在土石壩變形分析和預(yù)測(cè)中的應(yīng)用_第4頁(yè)
基于云模型的算法改進(jìn)及其在土石壩變形分析和預(yù)測(cè)中的應(yīng)用_第5頁(yè)
資源描述:

《基于云模型的算法改進(jìn)及其在土石壩變形分析和預(yù)測(cè)中的應(yīng)用》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、刪必必分類gP22壤專夫滓碩士學(xué)位論文基于云模型的算法改進(jìn)及其在土石壩變形分析和預(yù)測(cè)中的應(yīng)用導(dǎo)師姓名職稱申請(qǐng)學(xué)位級(jí)別論文提室日期學(xué)位授予單位楊海彥工騰軍剮教授碩士2009年5月9日學(xué)科專業(yè)名稱大地測(cè)量學(xué)與測(cè)量工程論文答辯日期2009年5月25日長(zhǎng)安大學(xué)答辯委員會(huì)主席學(xué)位論空評(píng)閱人粱蜩教授摘要大壩變形監(jiān)測(cè)是其安全監(jiān)測(cè)的一個(gè)重要部分,是確保大壩安全運(yùn)行的重要措施,也是檢驗(yàn)設(shè)計(jì)成果和施工質(zhì)量的有效手段。大量的變形監(jiān)測(cè)數(shù)據(jù)中隱含著大壩的變形規(guī)律,因此,及時(shí)準(zhǔn)確地對(duì)大壩的變形監(jiān)測(cè)資料進(jìn)行分析,并建立監(jiān)測(cè)模型,進(jìn)行科學(xué)預(yù)報(bào),是十分重要的。本文結(jié)合小浪底大壩沉降監(jiān)測(cè)數(shù)據(jù),應(yīng)用云模型和基于云

2、模型的兩個(gè)改進(jìn)算法從以下幾個(gè)方面進(jìn)行研究:1、詳細(xì)介紹了云模型的定義和基本特征、正向云和逆向云發(fā)生器、云的不確定性推理及云變換,并結(jié)合小浪底大壩沉降監(jiān)測(cè)數(shù)據(jù)實(shí)現(xiàn)了定性分析與定量分析之間的轉(zhuǎn)換,驗(yàn)證了云理論的精髓——定性定量之間的不確定性轉(zhuǎn)換模型。2、論述了基于云變換的監(jiān)測(cè)數(shù)據(jù)擬合方法,給出了擬合方法具體的實(shí)現(xiàn)步驟,應(yīng)用監(jiān)測(cè)數(shù)據(jù)進(jìn)行實(shí)例分析,將擬合結(jié)果與最小二乘分段擬合方法得到的結(jié)果進(jìn)行比較,結(jié)果表明,基于云變換的擬合精度更高。3、建立了小浪底大壩沉降監(jiān)測(cè)數(shù)據(jù)的普通三次指數(shù)平滑模型,針對(duì)普通指數(shù)平滑法中選擇平滑系數(shù)的問(wèn)題,給出了基于云邏輯推理的平滑系數(shù)確定方法,對(duì)原指數(shù)平滑模型

3、進(jìn)行改進(jìn),并應(yīng)用監(jiān)測(cè)數(shù)據(jù)對(duì)改進(jìn)模型進(jìn)行檢驗(yàn),結(jié)果表明改進(jìn)的模型在監(jiān)測(cè)數(shù)據(jù)擬合和預(yù)測(cè)方面有一定的優(yōu)勢(shì)。4、結(jié)合云模型和RBF神經(jīng)網(wǎng)絡(luò)各自的優(yōu)勢(shì),給出了應(yīng)用云模型改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的具體方法,即應(yīng)用云模型的三個(gè)數(shù)字特征值來(lái)確定RBF神經(jīng)網(wǎng)絡(luò)在建模時(shí)需要的部分參數(shù)。應(yīng)用小浪底大壩沉降監(jiān)測(cè)數(shù)據(jù)和同時(shí)期的庫(kù)水位、溫度、時(shí)效數(shù)據(jù),建立了兩種常用的RBF神經(jīng)網(wǎng)絡(luò)模型:①基于正交最小二乘法的RBF神經(jīng)網(wǎng)絡(luò)模型,②基于最近鄰聚類算法的RBF神經(jīng)網(wǎng)絡(luò)模型:同時(shí),應(yīng)用相同的數(shù)據(jù)建立改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)模型。結(jié)果表明,改進(jìn)模型的擬合預(yù)測(cè)結(jié)果相對(duì)較好,同時(shí),改進(jìn)的方法考慮了樣本數(shù)據(jù)中的模糊性和隨機(jī)性,

4、經(jīng)過(guò)分析,發(fā)現(xiàn)改進(jìn)的方法在精度方面仍然有較大的提高空間。關(guān)鍵詞:大壩,變形監(jiān)測(cè),云模型,指數(shù)平滑法,RBF神經(jīng)網(wǎng)絡(luò)AbstractDeformationmonitoringofdamisanimportantpartofsafetymonitoring,isimportantmeasureofensuringsafeoperationofthedam,isalsoeffectivemeanofinspectingdesignachievementsandthequalityoftheproject.Alargeamountofmonitoringdataimplicatedd

5、eformationrulesofdam.Therefore,itisveryimportantforanalyzingthedamdeformationmonitoringdata,establishedmonitoringmodeltimelyandaccurately,thenpredictedscientifically.Basedonthemonitoringdataofxiaolangdidam,theapplicationofcloudmodelandtwoalgorithmsbasedonthecloudmodelfromthefollowingseveral

6、aspects:Introducedthedefinitionofcloudmodelandbasiccharacteristics,forwardcloudgeneratorandbackwardcloudgenerator,clouduncertaintyreasonandcloudtransform.Basedonthexiaolangdidamsettlementmonitoringdata,realizedtheconversionbetweenthequalitativeanalysisandquantitativeanalysis,andvefifidthees

7、senceofcloudtheor)k-theuncertaintytransformationmodelbetweenqualitativeandquantitative.Then,discussedthefittingmethodofmonitordatabasedonthecloudtransform,ingoducedthespecificimplementationsteps,givedanexamplebaseontheactualmonitordata,comparedtheresulto

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。