典型文献
非线性反演算法的综合评价对比
文献摘要：
结合蒙特卡罗方法的精度评定特点,提出了一种将偏差和中误差作为评价指标的综合评价公式.利用所提出的综合评价公式评价神经网络算法(neural network algorithm,NNA)、基因遗传算法(genetic algo-rithm,GA)和模拟退火算法(simulated annealing,SA)在火山复式位错模型(compound dislocation model,CDM)和地震Okada模型反演中的精度信息.实验结果表明,无论是基于CDM模型还是基于Okada模型,以上3种方法的参数估值差距较小,但不同方法的精度差别较大.使用所提方法对NNA、GA和SA进行精度计算,结果发现:在火山CDM模型中,采用GA和SA计算所得部分参数中误差较大,且GA和SA综合评价值3.982 0和11.398 8均大于NNA综合评价值3.613 1.在Okada模型中,模拟退火算法所得中误差相对基因遗传算法和神经网络算法较高,且在芦山地震中,SA的综合评价值11.656 2远远大于NNA和GA的综合评价值3.625 4和4.060 4.由实验结果可知,采用所提方法进行评定,NNA的精度信息较高,结果更具有说服性,GA次之,SA精度较低.
文献关键词：
模拟退火算法;基因遗传算法;神经网络算法;非线性反演;综合评价对比
中图分类号：
作者姓名：
王乐洋;许冉冉;靳锡波;丁锐
作者机构：
东华理工大学测绘工程学院,江西 南昌,330013;自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室,江西 南昌,330013;江苏安全技术职业学院工业安全与职业健康学院,江苏 徐州,221011;武汉大学测绘学院,湖北 武汉,430079;中国矿业大学环境与测绘学院,江苏 徐州,221116
文献出处：
引用格式：
[1]王乐洋;许冉冉;靳锡波;丁锐-.非线性反演算法的综合评价对比)[J].武汉大学学报（信息科学版）,2022(03):341-351
A类：
B类：
非线性反演,反演算法,综合评价对比,蒙特卡罗方法,精度评定,中误差,评价公式,神经网络算法,neural,network,algorithm,NNA,基因遗传算法,genetic,GA,模拟退火算法,simulated,annealing,SA,火山,复式,位错模型,compound,dislocation,model,CDM,Okada,参数估值,不同方法,计算所,综合评价值,芦山地震,震中,远大于,说服
AB值：
0.300031
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
