留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

动态神经网络在变形预报中的应用

邓兴升 王新洲

邓兴升, 王新洲. 动态神经网络在变形预报中的应用[J]. 武汉大学学报 ● 信息科学版, 2008, 33(1): 93-96.
引用本文: 邓兴升, 王新洲. 动态神经网络在变形预报中的应用[J]. 武汉大学学报 ● 信息科学版, 2008, 33(1): 93-96.
DENG Xingsheng, WANG Xinzhou. Application of Dynamic Neural Network in Prediction Model[J]. Geomatics and Information Science of Wuhan University, 2008, 33(1): 93-96.
Citation: DENG Xingsheng, WANG Xinzhou. Application of Dynamic Neural Network in Prediction Model[J]. Geomatics and Information Science of Wuhan University, 2008, 33(1): 93-96.

动态神经网络在变形预报中的应用

基金项目: 国家自然科学基金资助项目(40474003)
详细信息
    作者简介:

    邓兴升,博士生,高级工程师。主要从事变形监测与灾害预报及统计学习理论等方面的研究。

  • 中图分类号: P258

Application of Dynamic Neural Network in Prediction Model

Funds: 国家自然科学基金资助项目(40474003)
计量
  • 文章访问数:  800
  • HTML全文浏览量:  32
  • PDF下载量:  407
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-10-20
  • 修回日期:  2007-10-20
  • 刊出日期:  2008-01-05

动态神经网络在变形预报中的应用

    基金项目:  国家自然科学基金资助项目(40474003)
    作者简介:

    邓兴升,博士生,高级工程师。主要从事变形监测与灾害预报及统计学习理论等方面的研究。

  • 中图分类号: P258

摘要: 静态神经网络模型用于在线时间序列的预报时具有局限性,即网络的泛化能力有限,且模型不能不断地适应新增样本的变化。如果每增加一个样本对神经网络重新训练,需要大量的计算时间。针对该问题,提出了动态神经网络预报模型。在获得新增样本数据之后,通过比较预报值与实际值之差的绝对值是否大于ε敏感因子,决定模型是否需要修正。为了降低模型修正的计算时间,提出了在线动态修正方法,实现了增加样本而矩阵阶数不增加,且避免了矩阵求逆运算,理论上可以提高计算效率。通过实例表明,该方法在计算时间和预报精度两个方面都具有一定优势,可应用于在线实时变形预报及相关领域。

English Abstract

邓兴升, 王新洲. 动态神经网络在变形预报中的应用[J]. 武汉大学学报 ● 信息科学版, 2008, 33(1): 93-96.
引用本文: 邓兴升, 王新洲. 动态神经网络在变形预报中的应用[J]. 武汉大学学报 ● 信息科学版, 2008, 33(1): 93-96.
DENG Xingsheng, WANG Xinzhou. Application of Dynamic Neural Network in Prediction Model[J]. Geomatics and Information Science of Wuhan University, 2008, 33(1): 93-96.
Citation: DENG Xingsheng, WANG Xinzhou. Application of Dynamic Neural Network in Prediction Model[J]. Geomatics and Information Science of Wuhan University, 2008, 33(1): 93-96.

目录

    /

    返回文章
    返回