强跟踪UKFNN的泥石流泥位突变状态动态演化

首页 > 过刊浏览>2018年第26卷第2期 >241-244

强跟踪UKFNN的泥石流泥位突变状态动态演化
DOI:
                        
                    
CSTR:
                        [cstr]
                    
作者:
                        
                        
                    
作者单位:重庆科技学院 电气与信息工程学院,重庆科技学院 电气与信息工程学院,重庆科技学院 电气与信息工程学院,重庆科技学院 电气与信息工程学院,
作者简介:
通讯作者:
中图分类号:
基金项目:重庆市前沿与应用基础研究(cstc2015jcyjA70003, cstc2015jcyjA40033, cstc2014jcyjA40012),重庆市教委科学技术研究项目(KJ1501319,KJ1501317),重庆科技学院校内重点基金(CK2015B01, CK2014Z15)。

Dynamic Evolution of Deformation State of Debris Flow based on UKFNN

Author:

Affiliation:

Department of Electrical and Information Engineering,Chongqing University of Science Technology,,Department of Electrical and Information Engineering,Chongqing University of Science Technology,Department of Electrical and Information Engineering,Chongqing University of Science Technology,

Fund Project:

摘要

图/表

访问统计

参考文献

相似文献

引证文献

资源附件

文章评论

摘要:

泥位的变化是导致泥石流发生的直接原因之一,针对目前泥石流预测方法无法有效跟踪突变状态、预报精度不高的问题,提出了一种基于无迹卡尔曼神经网络的方法,先确定原始数据的最佳维数和延迟时间,进行相空间重构,再利用无迹卡尔曼较强的非线性状态估计能力,将神经网络权值、阀值作为无迹卡尔曼的状态变量,不断对其进行递推演化,提高对泥石流突变状态的跟踪能力。通过对川藏地区林芝市六个地区的研究,实验结果表明：该算法可有效建立泥石流泥位的动态演化模型,提高了预报精度和对突发状况的适应能力,实现对泥石流灾害情况的分级预警。

Abstract:

参考文献

相似文献

引证文献

引用本文

苏盈盈,康东帅,刘兴华,李太福,王兴龙.强跟踪UKFNN的泥石流泥位突变状态动态演化计算机测量与控制[J].,2018,26(2):241-244.

复制

文章指标

点击次数:
下载次数:
HTML阅读次数:
引用次数:

历史

收稿日期:2017-07-10
最后修改日期:2017-07-10
录用日期:2017-08-03
在线发布日期: 2018-03-07
出版日期: 2018-02-25

引用本文

分享

文章指标

历史

文章二维码