典型文献
基于改进RBF神经网络的建筑物变形监测方法
文献摘要：
径向基函数(radial basis function,RBF)神经网络用于建筑物变形监测的性能受模型隐层节点数的影响,并且在低信噪比条件下预测精度不高,针对该问题,提出了一种利用主成分分析(principal component analysis,PCA)优化RBF神经网络的建筑物变形监测方法,利用PCA对变形监测数据进行预处理,在得到大特征值个数的同时通过剔除小特征值对应的特征向量实现噪声抑制,在此基础上以大特征值个数为隐层节点数构建RBF神经网络模型进行变形预测.采用实际算例对所提方法在低信噪比条件下的预测精度进行验证,结果表明相对于传统BP(back propagation)神经网络方法和小波方法,所提方法可以获得更高的预测精度,并且在低信噪比条件下具有更高的鲁棒性.
文献关键词：
变形监测;RBF神经网络;主成分分析;变形预测
中图分类号：
作者姓名：
张杰;蔡楠;张哲
作者机构：
青海省地理信息中心,青海 西宁,810001;青海省林业工程咨询中心,青海 西宁,810001
文献出处：
引用格式：
[1]张杰;蔡楠;张哲-.基于改进RBF神经网络的建筑物变形监测方法)[J].测绘地理信息,2022(04):46-50
A类：
B类：
RBF,建筑物变形监测,监测方法,径向基函数,radial,basis,function,隐层节点,低信噪比,principal,component,analysis,变形监测数据,特征向量,噪声抑制,变形预测,back,propagation,神经网络方法
AB值：
0.260694
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。
