大地测量与地球动力学
大地測量與地毬動力學
대지측량여지구동역학
JOURNAL OF GEODESY AND GEODYNAMICS
2009年
4期
124-126
,共3页
Kalman滤波%BP神经网络%泛化能力%预测%模型误差
Kalman濾波%BP神經網絡%汎化能力%預測%模型誤差
Kalman려파%BP신경망락%범화능력%예측%모형오차
基于卡尔曼滤波的BP神经网络方法,对大坝变形观测数据进行滤波处理,用滤波后的数据参与BP网络的训练,使网络具有动态特性,减小了神经网络陷入局部极小值的可能性,提高了神经网络的泛化能力.实例证明,该方法具有很高的预测精度和较强的泛化能力.
基于卡爾曼濾波的BP神經網絡方法,對大壩變形觀測數據進行濾波處理,用濾波後的數據參與BP網絡的訓練,使網絡具有動態特性,減小瞭神經網絡陷入跼部極小值的可能性,提高瞭神經網絡的汎化能力.實例證明,該方法具有很高的預測精度和較彊的汎化能力.
기우잡이만려파적BP신경망락방법,대대패변형관측수거진행려파처리,용려파후적수거삼여BP망락적훈련,사망락구유동태특성,감소료신경망락함입국부겁소치적가능성,제고료신경망락적범화능력.실예증명,해방법구유흔고적예측정도화교강적범화능력.
