PSO优化RBF神经网络在变形监测中的应用

• 作者: 邵潮京
• 来源期刊: 北京测绘
• 学科: 地球科学
• 关键词: 变形监测 粒子群算法 RBF神经网络 拟合和预测
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 测绘工程案例
• 页码范围: 1283-1288
• 页数: 6页
• 分类号: P258
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2020.09.026

摘要

变形监测数据非平稳、非线性、时变性和不确定性特征明显,传统方法难以取得理想的分析结果.针对该问题,提出一种基于粒子群(Particle Swarm Optimization,PSO)算法优化的径向基函数(Radi-cal Basis Function,RBF)神经网络变形监测数据拟合和预测方法,利用PSO实时对RBF神经网络初始参数进行自动寻优,从而解决RBF神经网络初始化参数选择困难、易陷入局部极值的问题.最后采用实测数据构建典型试验对所提方法进行验证,结果表明PSO-RBF网络模型能够实现高精度的变形监测数据拟合和预测,结果优于传统数据分析方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵潮京		3	0	0.0	0.0