高红
- 作品数：5 被引量：33H指数：5
- 供职机构：桂林理工大学广西矿冶与环境科学实验中心更多>>
- 发文基金：国家自然科学基金广西壮族自治区自然科学基金广西研究生教育创新计划项目更多>>
- 相关领域：天文地球交通运输工程建筑科学更多>>
- 基于小波变换与卡尔曼滤波结合的GM(1,1)模型在高铁隧道沉降变形分析中的应用被引量：9
- 2016年
- 高铁隧道的变形量较小,但受随机噪声的干扰较大,使得监测得到的沉降曲线不能反映实际的沉降情况。鉴于此,文章提出了基于小波变换与卡尔曼滤波相结合的RLG降噪方法,该方法既有小波变换的去相关作用和多分辨分析功能,又有卡尔曼滤波对未知信号的线性无偏最小方差估计的特点。采用GM(1,1)预测模型对降噪后的数据进行分析,得到的结论是:基于小波变换与卡尔曼滤波相结合的GM(1,1)模型的精度较基于卡尔曼滤波的GM(1,1)模型的精度高,可有效地运用于高铁隧道沉降分析中。
- 高红文鸿雁李运健聂光裕杨志
- 关键词：隧道沉降小波变换卡尔曼滤波GM(1,1)模型
- 高铁变形分析中自适应Kalman滤波算法应用研究被引量：6
- 2015年
- 针对Kalman滤波由于模型误差引起发散的问题,介绍了一种新的基于指数加权衰减记忆自适应Kalman滤波。基于MATLAB编程实现模型的建立并运用该模型对高速铁路沉降变形进行分析与预测,通过工程实例验证了自适应Kalman滤波抑制滤波发散的有效性。
- 袁明月文鸿雁聂光裕高红
- 关键词：KALMAN滤波
- 基于LS-SVM的灰色补偿RBF神经网络组合预测模型在建筑物沉降分析中的应用被引量：7
- 2016年
- 针对GM(1,1)模型在建筑物变形预测中精度和泛化能力较低的缺陷,提出一种基于LS-SVM的灰色补偿RBF神经网络的建筑物变形组合预测方法。利用最小二乘支持向量机训练由灰色GM(1,1)模型预测得到的一组结果的残差值,直接获得RBF网络的中心函数训练RBF网络,得到RBF误差补偿器,去补偿GM(1,1)模型。实验证明,最小二乘支持向量机、灰色系统以及神经网络3者相结合的方法,能有效提高建筑物变形沉降预测的精度。
- 高红文鸿雁胡纪元张腾旭聂光裕
- 关键词：GM(1,1)模型RBF神经网络最小二乘支持向量机补偿器
- 基于小波去噪的改进GM(1,1)模型在高铁线下工程中的应用被引量：7
- 2017年
- 针对GM(1,1)模型对建模数据光滑性条件的要求,分析了原始GM(1,1)模型在初始值和背景值选取上的缺陷,对其进行了合理和必要的改进。应用小波去噪对建模数据进行去噪处理,结果表明,用小波去噪处理的数据建立的GM(1,1)模型模拟精度和预测效果得到了很大的提高。但工程实例表明,当建模数据为低增长指数时,改进模型的模拟精度和预测效果没有量级的提高。
- 文鸿雁聂光裕袁明月高红
- 关键词：小波去噪GM(1,1)模型背景值
- 基于粒子群优化算法的LS-SVM的GPS高程拟合被引量：5
- 2016年
- 在GPS高程拟合中,传统拟合方法存在多数据、过学习、泛化能力弱等缺点,导致拟合结果精度欠缺,为此提出了LS-SVM拟合模型。利用粒子群算法对LS-SVM模型的初始参数进行了优化,通过实测数据对该模型进行了分析。实验结果表明,基于粒子群算法优化的LS-SVM模型较传统单一的二次曲面拟合法、BP神经网络、LS-SVM等模型拟合精度高。
- 高红文鸿雁聂光裕杨志韩亚坤
- 关键词：粒子群优化算法LS-SVMBP神经网络高程拟合
