基于高斯过程的变形监测沉降预测模型应用

DOI: https://doi.org/10.32629/gmsm.v2i4.249

王申波

摘要

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。

关键词

变形监测;GM(1,1);高斯过程

参考

  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.
版权所有 © 2019 申波 王

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Refbacks

  • 当前没有refback。