基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
从时频分析角度出发,探讨利用小波分析与LSSVM模型作滑坡变形预测.其步骤为利用小波变换把变形时间序列分解成具有不同频率特征的分量,再对重构后的近似序列和细节序列分别利用LSSVM进行预测并将结果融合.实例结果表明,基于小波分析与LSSVM的滑坡变形预测方法预测精度高于GM(1,1)、AR和单一的LSSVM方法.
推荐文章
大坝变形的小波分析与ARMA预测模型
大坝
时间序列分析
小波分析
ARMA模型
回归分析
变形预测
基于小波分析的滑坡变形规律研究
滑坡
小波分析
降雨
库水位
稳定性
周期
趋势预测
基于小波去噪及优化BP神经 网络的滑坡变形预测研究
滑坡
小波去噪
混沌理论
BP神经网络
变形预测
小波分析和AR-LSSVM的网络流量预测
非平稳时间序列
小波分析
最小二乘支持向量机
自回归
预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波分析与LSSVM的滑坡变形预测
来源期刊 大地测量与地球动力学 学科 地球科学
关键词 小波分析 最小二乘支持向量机 滑坡变形预测 时间序列 细节序列
年,卷(期) 2009,(4) 所属期刊栏目 理论方法研究
研究方向 页码范围 127-130
页数 4页 分类号 P203
字数 2109字 语种 中文
DOI 10.3969/j.issn.1671-5942.2009.04.028
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐进军 武汉大学测绘学院 42 770 14.0 27.0
2 李潇 九江学院土木工程与城市建设学院 10 60 4.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (35)
共引文献  (69)
参考文献  (8)
节点文献
引证文献  (24)
同被引文献  (100)
二级引证文献  (67)
1970(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(4)
  • 参考文献(1)
  • 二级参考文献(3)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(9)
  • 参考文献(0)
  • 二级参考文献(9)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(4)
  • 参考文献(3)
  • 二级参考文献(1)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(4)
  • 引证文献(4)
  • 二级引证文献(0)
2012(3)
  • 引证文献(1)
  • 二级引证文献(2)
2013(6)
  • 引证文献(2)
  • 二级引证文献(4)
2014(4)
  • 引证文献(2)
  • 二级引证文献(2)
2015(7)
  • 引证文献(1)
  • 二级引证文献(6)
2016(11)
  • 引证文献(3)
  • 二级引证文献(8)
2017(15)
  • 引证文献(4)
  • 二级引证文献(11)
2018(13)
  • 引证文献(2)
  • 二级引证文献(11)
2019(23)
  • 引证文献(3)
  • 二级引证文献(20)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
小波分析
最小二乘支持向量机
滑坡变形预测
时间序列
细节序列
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
大地测量与地球动力学
月刊
1671-5942
42-1655/P
大16开
武昌洪山侧路40号
38-194
1981
chi
出版文献量(篇)
4168
总下载数(次)
6
总被引数(次)
34475
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导