计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2007年
7期
333-336
,共4页
挠度%关联分析%神经网络%非线性逼近%数据恢复
撓度%關聯分析%神經網絡%非線性逼近%數據恢複
뇨도%관련분석%신경망락%비선성핍근%수거회복
智能系统中单点或少数传感器采集的数据在某一段时间出现不可靠问题,在装备有许多传感器的智能系统中普遍存在,即使在由先进的传感器构成的桥梁结构健康监测系统中,80%以上的虚假报警也是由于测量数据的不可靠性造成的.传统上对于不可靠数据的处理主要应用线性回归法、平均法等方法进行恢复,然而,大多数测量数据在时域上表现为非线性特征,传统方法恢复的数据在精度上是很难达到要求.以桥梁挠度数据作为研究对象,利用原始数据对挠度测量点进行了关联分析,并依据RBF神经网络强大的函数逼近能力,提出了一种基于神经网络模型来恢复不可靠测量数据的方法,并在仿真实验中,通过对比实验(该方法的均方误差为2E-9,线性回归法均方误差为0.6974)证实了该方法在理论和实践上的精确性和可行性.
智能繫統中單點或少數傳感器採集的數據在某一段時間齣現不可靠問題,在裝備有許多傳感器的智能繫統中普遍存在,即使在由先進的傳感器構成的橋樑結構健康鑑測繫統中,80%以上的虛假報警也是由于測量數據的不可靠性造成的.傳統上對于不可靠數據的處理主要應用線性迴歸法、平均法等方法進行恢複,然而,大多數測量數據在時域上錶現為非線性特徵,傳統方法恢複的數據在精度上是很難達到要求.以橋樑撓度數據作為研究對象,利用原始數據對撓度測量點進行瞭關聯分析,併依據RBF神經網絡彊大的函數逼近能力,提齣瞭一種基于神經網絡模型來恢複不可靠測量數據的方法,併在倣真實驗中,通過對比實驗(該方法的均方誤差為2E-9,線性迴歸法均方誤差為0.6974)證實瞭該方法在理論和實踐上的精確性和可行性.
지능계통중단점혹소수전감기채집적수거재모일단시간출현불가고문제,재장비유허다전감기적지능계통중보편존재,즉사재유선진적전감기구성적교량결구건강감측계통중,80%이상적허가보경야시유우측량수거적불가고성조성적.전통상대우불가고수거적처리주요응용선성회귀법、평균법등방법진행회복,연이,대다수측량수거재시역상표현위비선성특정,전통방법회복적수거재정도상시흔난체도요구.이교량뇨도수거작위연구대상,이용원시수거대뇨도측량점진행료관련분석,병의거RBF신경망락강대적함수핍근능력,제출료일충기우신경망락모형래회복불가고측량수거적방법,병재방진실험중,통과대비실험(해방법적균방오차위2E-9,선성회귀법균방오차위0.6974)증실료해방법재이론화실천상적정학성화가행성.
