2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩91頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、大型建筑在施工、運營、管理階段由于各種各樣的因素一定會產(chǎn)生形變,但是,由于變形因素的復(fù)雜與多樣性,使得變形趨勢不太可能由某種單一預(yù)測模型反映出來,也就是說不可避免的會出現(xiàn)誤差,而且不同的預(yù)測模型有時會提供不同的有效信息,如果盲目地將預(yù)測精度低的模型刪除,那么一定程度上就會導(dǎo)致某些必要的有效信息的缺失,進而影響模型的合理性。大量研究表明組合模型能夠充分綜合與利用各單一預(yù)測模型的有效信息、更好的反映事物的實質(zhì),引起了廣大測繪學(xué)者的關(guān)注與研究

2、。
  文章簡單介紹了變形的意義,著重對常用的變形數(shù)據(jù)處理方法進行了詳細的闡述,并且簡單敘述了組合預(yù)測的概念。根據(jù)變形監(jiān)測信息的特點,通過查閱資料將組合模型分為串聯(lián)式組合模型與并聯(lián)式組合模型,進而對這此進行了詳細的分析與討論,并驗證其有效性,具體內(nèi)容如下:
  1)針對BP神經(jīng)網(wǎng)絡(luò)容易陷入局部極值的特點,提出了一種AWSPSO算法來優(yōu)化網(wǎng)絡(luò)的權(quán)值與閾值。根據(jù)串聯(lián)式組合預(yù)測模型的特點,建立了一種以GM(1,1)模型與改進AWS

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論