掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數(shù)學專題練1200題
-
>
希格斯:“上帝粒子”的發(fā)明與發(fā)現(xiàn)
-
>
神農(nóng)架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
買過本商品的人還買了
滑坡預測的計算智能方法 版權(quán)信息
- ISBN：9787562529903
- 條形碼：9787562529903 ; 978-7-5625-2990-3
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
滑坡預測的計算智能方法 本書特色
滑坡預測是一門集統(tǒng)計學、信息科學、運籌學、人工智能科學、系統(tǒng)與控制科學等多學科的交叉學科。滑坡預測時變系統(tǒng)是一種具有高維、高度不確定性和隨機性、復雜相關(guān)性、非線性特點的復雜系統(tǒng)。在《滑坡預測的計算智能方法》中借鑒計算智能的思想和方法對滑坡預測問題進行研究，為傳統(tǒng)方法難以解決的非均質(zhì)性、非線性、相互關(guān)聯(lián)度高、不連續(xù)性等問題提供了一條新的可行性道路，為開展滑坡預測等復雜系統(tǒng)的研究提供了一種新的方法。本書由劉勇等著。
滑坡預測的計算智能方法 內(nèi)容簡介
《滑坡預測的計算智能方法》結(jié)合計算智能方法的研究成果，針對滑坡預測預報的時變性和復雜性的特點，用遺傳選擇策略對粒子群算法進行改進，提出一種新的改進粒子群算法“(3SSPSO”，實驗證明，該算法具有收斂性好且不易陷入局部*優(yōu)等優(yōu)點，考慮到Elman神經(jīng)網(wǎng)絡(luò)具有動態(tài)反饋的特性，將GSSPSO與Elman神經(jīng)網(wǎng)絡(luò)進行融合，提出一種新的集成算法“GSSPSO-ENN”，采用滾動時間窗口技術(shù)，建立邊坡變形預測的GSSPSO-ENN多步預測系統(tǒng)。將邊坡變形的實際值與預測值之間建立起非線性函數(shù)關(guān)系，很好地解決了預測預報中的邊坡變形多步預測問題，通過工程實例計算顯示，該預測精度較高，表明此系統(tǒng)能適用于工程實踐，對減災(zāi)防災(zāi)具有一定指導意義。《滑坡預測的計算智能方法》由劉勇等著。
滑坡預測的計算智能方法 目錄
第1章 緒論 1.1 概 述 1.2 滑坡預測的模型和方法 1.2.1 確定性預測模型 1.2.2 統(tǒng)計預測模型 1.2.3 非線性預測模型 1.2.4 系統(tǒng)綜合與實時跟蹤動態(tài)預測方法 1.3 滑坡預測的發(fā)展趨勢與存在的問題第2章 滑坡數(shù)據(jù)的處理 2.1 概 述 2.2 異常數(shù)據(jù)的剔除 2.2.1 萊囚達準則法 2.2.2 ESD統(tǒng)計檢驗法 2.2.3 狄克松檢驗法 2.3 缺失數(shù)據(jù)的補充 2.4 數(shù)據(jù)的平滑處理 2.4.1 移動式平均的平滑方法 2.4.2 指數(shù)平均的平滑方法 2.4.3 分段多項式平滑方法 2.4.4 正交多項式算法 2.5 數(shù)據(jù)的等時距化 2.6 信息融合的數(shù)據(jù)處理概述第3章 數(shù)據(jù)的特征分析與特征提取 3.1 概 述 3.2 數(shù)據(jù)的時域特征分析 3.3 數(shù)據(jù)的頻域特征分析 3.3.1 功率譜分析 3.3.2 位移監(jiān)測的頻譜特征分析 3.4 特征的提取 3.4.1 滑坡災(zāi)害特征提取的過程 3.4.2 滑坡災(zāi)害信息特征提取的評價準則 3.4.3 滑坡災(zāi)害信息特征提取模型的分類 3.5 信息融合技術(shù) 3.5.1 滑坡災(zāi)害特征級融合的方法 3.5.2 滑坡災(zāi)害特征級信息融合的特征匹配第4章 計算智能方法及其在滑坡預測中的應(yīng)用 4.1 概 述 4.2 計算智能的分類 4.3 各種計算智能算法的模型與原理 4.3.1 人工神經(jīng)網(wǎng)絡(luò)技術(shù)模型及原理 4.3.2 進化計算算法模型及原理 4.3.3 群體智能的模型及原理 4.4 計算智能的發(fā)展趨勢 4.4.1 計算智能存在的問題 4.4.2 計算智能算法的融合方式 4.4.3 計算智能的研究方向探討 4.5 粒子群算法的原理 4.5.1 粒子群算法的數(shù)學機理 4.5.2 粒子群算法的流程 4.5.3 粒子群算法存在的問題 4.6 滑坡預測系統(tǒng)的計算智能分析 4.6.1 滑坡預測系統(tǒng)的描述 4.6.2 多步預測系統(tǒng)模型第5章 計算智能算法的集成 5.1 概 述 5.2 GSSPSO算法 5.2.1 GSSPSO算法原理 5.2.2 GSSPSO算法流程 5.3 GSSPSO算法的收斂性分析 5.3.1 GSSPSO算法的收斂性分析 5.3.2 GSSPSO算法粒子軌跡的收斂性分析 5.3.3 GSSPSO算法粒子速度的收斂性分析 5.4 GSSPSO算法的數(shù)字仿真及效果分析 5.4.1 測試函數(shù) 5.4.2 參數(shù)設(shè)置及實驗結(jié)果 5.5 GSSPSO與Elman神經(jīng)網(wǎng)絡(luò)的集成研究 5.5.1 正lman神經(jīng)網(wǎng)絡(luò)的基本原理 5.5.2 GSSPSO算法與Elman神經(jīng)網(wǎng)絡(luò)的集成算法 5.5.3 集成效果研究第6章 基于集成計算智能的預測系統(tǒng) 6.1 概 述 6.2 廣義預測控制算法的基本原理 6.3 GSSPSO-ENN的預測模型與實現(xiàn) 6.3.1 基于GSSPSO-ENN的預測系統(tǒng)構(gòu)成 6.3.2 基于GSSPSO-ENN的預測系統(tǒng)訓練模塊 6.3.3 基于GSSPSO-ENN的預測系統(tǒng)預測模塊 6.4 基于GSSPSO-ENN的預測系統(tǒng)實現(xiàn) 6.4.1 基于GSSPSO-ENN的預測系統(tǒng)運行步驟 6.4.2 預測系統(tǒng)的預測過程與方法第7章 集成計算智能預測系統(tǒng)的滑坡預測 7.1 引 言 7.2 研究區(qū)域概況 7.3 邊坡工程概況 7.4 多步預測系統(tǒng)對邊坡變形量的多步預測 7.4.1 變形監(jiān)測情況 7.4.2 邊坡變形多步預測系統(tǒng)的相關(guān)參數(shù)選取 7.4.3 邊坡變形多步預測模型建立 7.4.4 樣本的數(shù)據(jù)處理 7.4.5 訓練與預測結(jié)果的分析主要參考文獻
展開全部
滑坡預測的計算智能方法 作者簡介
劉勇，男，博士，副教授。2003年獲得澳大利亞伍倫貢大學互聯(lián)網(wǎng)工程專業(yè)碩士學位，碩士期間主要研究方向是模式識別與人工智能。2011年獲得中國地質(zhì)大學(武漢)工程學院地質(zhì)工程專業(yè)博士學位，博士期間主要研究方向為計算智能方法及其在滑坡預測預報中的應(yīng)用。自2005年來一直在中國地質(zhì)大學(武漢)機械與電子信息學院通信工程系從事計算智能、信息處理方面的教學與科研工作。
書友推薦
- >
【精裝繪本】畫給孩子的中國神話
- >
我與地壇
- >
有舍有得是人生
- >
自卑與超越
- >
經(jīng)典常談
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學概述
- >
姑媽的寶刀
本類暢銷
