论文摘要
贝叶斯极限学习机(BELM)具有充分利用数据先验信息,可以自适应估计模型参数的特点。但在样本数量不断增加时,如果每次都对BELM重新训练将会降低计算效率。针对此问题,本文提出一种动态贝叶斯极限学习机(DBELM)方法以应用于变形监测数据实时预报。该方法以BELM训练的模型参数为初值,根据新增样本信息可对初始模型参数进行动态更新,并从理论上推导了相关计算公式。通过对仿真数据和实际变形数据进行详细分析表明:DBELM方法的预报精度要优于BELM、正则化极限学习机(RELM)、极限学习机(ELM)3种方法。特别是在长期持续预报过程中,其预报性能相对于其余3种方法优势明显。这充分表明了所提方法应用于变形监测数据预报领域具有可行性和有效性。
论文目录
文章来源
类型: 期刊论文
作者: 范千,方绪华,许承权,杨荣华
关键词: 变形监测,实时预报,极限学习机,动态贝叶斯极限学习机,预报性能
来源: 测绘学报 2019年07期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑
专业: 建筑科学与工程
单位: 福州大学土木工程学院,闽江学院海洋学院,重庆大学土木工程学院
基金: 国家自然科学基金(41404008),福州市科技计划(2017-G-73)~~
分类号: TU196.1
页码: 919-925
总页数: 7
文件大小: 1491K
下载量: 190
相关论文文献
标签：变形监测论文; 实时预报论文; 极限学习机论文; 动态贝叶斯极限学习机论文; 预报性能论文;