基于神经网络与时空序列的混合模型在变形监测中的应用

• 作者: 柳新强 焦佳爽 王涛
• 来源期刊: 河南科学
• 关键词: 非平稳时空序列 STARMA模型 BP神经网络 沉降监测
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 地球科学
• 页码范围: 227-233
• 页数: 7页
• 分类号: P258
• 语种: 中文

摘要

在变形数据分析与建模中,同时考虑变形体测点之间的时间相关性以及空间相关性的时空序列模型(STARMA)能够更好地反映出变形体的形变规律,但STARMA模型是建立在线性平稳模型基础上的,且大多数观测数据序列是非平稳过程,这给时空序列模型的应用带来了局限性.由于BP神经网络具有很强的非线性映射能力,基于此,结合这两种模型的特点,构造ANN+SRATMA混合模型来处理非平稳序列.通过对建筑物的沉降观测进行分析研究,结果表明了混合模型要优于单一模型,具有很好的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王涛		68	369	10.0	17.0
5	柳新强		17	11	2.0	2.0
6	焦佳爽	长安大学地质工程与测绘学院	15	26	3.0	4.0