摘要
为了弥补单一BP神经网络在建筑物沉降预测上的不足,提高建筑物沉降预测精度,提出.Kalman-BP神经网络组合模型。首先通过Kalman滤波算法消除实测数据中的随机噪声,将去噪后的数据作为样本输入BP神经网络中,最终实现建筑物沉降值的预测。实践结果表明,Kalman-BP神经网络模型的拟合平均相对中误差为1.73%,后验方差为0.0012,预测平均相对中误差为1.13%,后验方差为0.0457。相比单一的BP神经网络模型,Kalman-BP神经网络模型能有效降低平均相对中误差和后验方差,提高预测精度。
出处
《测绘标准化》
2021年第2期34-37,共4页
Standardization of Surveying and Mapping
关键词
预测模型
沉降观测
BP神经网络
卡尔曼滤波
建筑测量
Prediction Model
Settlement Observation
BP Neural Network
Kalman Filter
Building Surveying