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、桂林工學院碩士學位論文基于神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)變形預測模型研究姓名：田豐申請學位級別：碩士專業(yè)：大地測量學與測量工程指導教師：文鴻雁20070401桂林工學院碩士學位論文AbstractInordertoanalyzeandpredictdeformationofbuildingsubsidence，damdeformation，geologicalhazards，landslidecorrectlyandimmediatelytopro
2、videbasisofdecisionmaking，employingtchebyshevpolynomialregressionpredictingmodeling，neuralnetworkpredictingmodelingorAdaptiveNetwork—basedFuzzyInferenceSystem(ANFIS)canobtainpredictedvalueofdeformationordeformationstabil
3、ityBecauseofthetraditionalneuralnetworkmodelhasthedrawbacksoflowprecision，longtrainingtimeandeasilyfallsintopartialminimum，howtopre—processdata，improveback—propagatealgorithmandenhancetheneuralnetwork’sgeneralizationcapa
4、cityarestudiedThemaincontentoftheresearchinthepaperisneuralnetworkandANFISappliedindeformationpredicting，whichcanbedividedinto6chaptersasfoIlows：ChapterIItintroducesthepresentresearchconditionanddevelopmenttrendonthedefo
5、rmationanalysisandprediction，thenpointsouttheprospectofapplicationinneuralnetworkorfuzzyneuralnetworksystemdeformationpredictionAtlast，itgivesthepurpose，maincontentandtherangeofresearchChapterIIFuzzysystem，neuralnetworka
6、ndfuzzy—neuralnetworksystemisstated，togetherwiththecomparisonofneuralnetworkandfuzzycontr01ChapterHIT0predictsubsidenceofchimneybaseofGuilinpowerplantEmployingtchebyshevpolynomialregressionpredictingmodelandsinglefactori
7、alinputneuralnetworkpredictingmodel，andcomparingwitheachotherdiscussingtherelationamongfittingtimes，precisionandextrapolationprecisionindetail，comparingdifferentBPalgorithm，differentformofdata，differentlearningrateanddif
8、ferentsinglefactorialinputmodehowtoaffectsinglefactorialinputneuralnetworkChapterⅣEmployingneuralnetworkpredictingmodelwithmultiplefactortopredictdamdeflectionandstabilityoflandslide，applyingthemethodofdividingdatasample
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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 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。
- 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
- 基于模糊神經(jīng)網(wǎng)絡(luò)的時間序列預測模型.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的軟件質(zhì)量預測模型研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的外貿(mào)出口預測模型研究.pdf
- 基于改進模糊神經(jīng)網(wǎng)絡(luò)的雷電活動預測模型研究.pdf
- 轉(zhuǎn)爐終點預測的模糊神經(jīng)網(wǎng)絡(luò)模型.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的變形預測模型應(yīng)用研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)遺傳算法的焊接變形預測模型研究與應(yīng)用.pdf
- 基于Kalman濾波的灰色BP神經(jīng)網(wǎng)絡(luò)變形分析與預測模型研究.pdf
- 基于模糊邏輯與神經(jīng)網(wǎng)絡(luò)的短期負荷預測系統(tǒng)研究.pdf
- 基于混沌粒子群神經(jīng)網(wǎng)絡(luò)變形預測模型的應(yīng)用研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的短期負荷預測.pdf
- 基于CSTR溫度系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)預測控制研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的預測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的入侵預測模型.pdf
- 37718.基于小波、神經(jīng)網(wǎng)絡(luò)與混沌理論的變形預測模型研究
- 基于神經(jīng)網(wǎng)絡(luò)的軟巖巷道變形預測研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘模型研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)預測的模糊控制的研究與應(yīng)用.pdf
- 基于反饋模糊神經(jīng)網(wǎng)絡(luò)的行程時間預測研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的短期電力負荷預測研究.pdf
評論
0/150
提交評論