基于小波滤波的神经网络变形预测
运用小波滤波的的优越性,消除数据噪声,使数据更加的接近真实的数据和更具规律性,有利于我们对数据发展趋势的预测.对消噪后的数据,利用BP神经网络强大的学习能力建立预测网络.在建立网络时,输入样本为监测k时段序列k和第k-1时段变形量与再k-2时段变形量之差组成的二维向量,目标样本为小波滤波后的变形量.并与GM(1,1)模型和回归模型进行了对比.
作 者: 李维付 徐亚明 郭波 李建虎 LI Weifu XU Yaming GUO Bo LI Jianhu 作者单位: 武汉大学,测绘学院,湖北,武汉,430072 刊 名: 地理空间信息 英文刊名: GEOSPATIAL INFORMATION 年,卷(期): 2009 7(3) 分类号: P258 关键词: 小波滤波 BP神经网络 变形预测模型 发展速度