基于高斯过程的变形监测沉降预测模型应用
Journal: Geological and Mineral Surveying and Mapping DOI: 10.32629/gmsm.v2i4.249
Abstract
高斯过程处理高维数、小样本等非线性复杂问题具有高自适应性,文中深入学习高斯过程(GaussianProcess)的基本原理,并将其应用到变形监测的建模中,通过优选协方差函数训练样本和检验样本得到预测结果。通过实例验证分析,与传统GM(1,1)预测模型进行比较分析,结果表明高斯过程模型预测精度较高,值得应用推广,是变形监测沉降预测的一种好的方法。
Keywords
变形监测；GM(1,1)；高斯过程
Full Text
PDF - Viewed/Downloaded: 9 TimesReferences
[1] 潘国荣.地铁隧道变形的神经网络法预测[J].大地测量与地球动力学,2007,27(1):80-84.
[2] 李斌,朱健.非等间隔灰色GM(1,1)模型在沉降数据分析中的应用[J].测绘科学,2007,32(4):52-55.
[3] 王奉伟.改进的局部均值分解和高斯过程在变形监测数据处理中的应用研究[D].东华理工大学,2016,(11):87.
[4] 苏国韶.基于高斯过程机器学习的冲击地压危险性预测[J].辽宁工程技术大学学报:自然科学报,2009,28(5):762-765.
[5] 周昀琦,王奉伟,周世健,等.顾及邻近点变形因素的高斯过程建模及预测[J].测绘科学,2018,43(04):114-121.
[6] ]周世健,赖志坤,藏德彦.加权灰色预测模型及其计算实现[J].武汉大学学报(信息科学版),2002,27(5):451-455.
[2] 李斌,朱健.非等间隔灰色GM(1,1)模型在沉降数据分析中的应用[J].测绘科学,2007,32(4):52-55.
[3] 王奉伟.改进的局部均值分解和高斯过程在变形监测数据处理中的应用研究[D].东华理工大学,2016,(11):87.
[4] 苏国韶.基于高斯过程机器学习的冲击地压危险性预测[J].辽宁工程技术大学学报:自然科学报,2009,28(5):762-765.
[5] 周昀琦,王奉伟,周世健,等.顾及邻近点变形因素的高斯过程建模及预测[J].测绘科学,2018,43(04):114-121.
[6] ]周世健,赖志坤,藏德彦.加权灰色预测模型及其计算实现[J].武汉大学学报(信息科学版),2002,27(5):451-455.
Copyright © 2019 王申波
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License