-
题名基于极限学习机的变形分析建模研究
- 1
-
-
作者
杨细源
黄声享
庞辉
-
机构
武汉大学测绘学院
地球空间信息技术协同创新中心
国网河北省电力有限公司
-
出处
《测绘通报》
CSCD
北大核心
2018年第A01期197-201,共5页
-
基金
国家自然科学基金(41274020)
-
文摘
极限学习机(ELM)作为一种新型人工神经网络训练算法,相比传统前馈神经网络具有速度快、泛化性能好和不易陷入局部极值等优势,在图形符号处理、工业控制、市场分析与医学诊断等领域得到了广泛应用。本文将ELM应用于变形分析建模,建立了基于ELM的变形预报模型。试验表明,该模型克服了传统BP网络、支持向量回归(SVR)在学习速度、泛化能力和控制性等方面的局限,大幅提高了变形分析的建模效率与预测精度,具备较高的工程应用价值。
-
关键词
极限学习机
变形分析
BP神经网络
支持向量回归
-
Keywords
extreme learning machine
deformatin analysis
bp neural networks
support vector regression
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于测量机器人的实时粗差探测方法研究
被引量：3
- 2
-
-
作者
张赛
黄声享
杨细源
朱林川
-
机构
天津市勘察设计院集团有限公司
武汉大学测绘学院
中国电建集团贵阳勘测设计研究院有限公司
[
-
出处
《测绘通报》
CSCD
北大核心
2021年第S02期153-155,161,共4页
-
文摘
粗差探测是变形监测中一项重要的工作。随着全站仪技术的发展,测量机器人越来越多的应用到变形监测项目中,需要对获取的实时数据进行实时粗差探测。本文以Grubbs准则为基础探索了一种基于历史数据的实时粗差探测方法。经某电站实测数据测试表明,该方法可以识别出测量机器人返回数据中的粗差,同时解决观测值正常变化被识别为粗差的问题。
-
关键词
实时粗差探测
测量机器人
变形监测
Grubbs准则
-
Keywords
real-time gross error detection
georobot
deformation monitoring
Grubbs criterion
-
分类号
TU196.1
[建筑科学—建筑理论]
P204
[天文地球—测绘科学与技术]
-
-
题名基于测量机器人的自动化观测数据修正建模研究
- 3
-
-
作者
聂文泽
杨细源
-
机构
中国电建集团贵阳勘测设计研究院有限公司
-
出处
《中文科技期刊数据库（全文版）工程技术》
2021年第8期200-201,共2页
-
文摘
因受地球曲率、大气折光等因素影响,测量机器人(Georobot)三维监测系统存在测不准问题,这使得后续变形数据处理与分析受到极大的干扰。在后视基准点定期稳定检校的前提下,本文研究了一种基于测量机器人的自动化观测数据实时差分修正模型。工程实例分析表明,该模型可使得修正后的水平角与斜距精度分别达到0.5″和0.2mm,具备相当的工程实用价值。
-
关键词
测量机器人
大气折光
观测值修正建模
差分
-
分类号
P204
[天文地球—测绘科学与技术]
-
