| 强跟踪UKFNN的泥石流泥位突变状态动态演化 |
| |
| 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[J].计算机测量与控制,2018,26(2):241-244. |
| |
| 作者姓名： | 苏盈盈 康东帅 刘兴华 李太福 王兴龙 |
| |
| 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, |
| |
| 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)。 |
| |
| 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。
|
| 关 键 词： | 泥石流 跟踪预警 相空间重构 无迹卡尔曼 神经网络 |
| 收稿时间： | 2017/7/10 0:00:00 |
| 修稿时间： | 2017/7/10 0:00:00 |
Dynamic Evolution of Deformation State of Debris Flow based on UKFNN |
| |
| Liu Xinghu,Li Tai-fu and Wang Xing-long.Dynamic Evolution of Deformation State of Debris Flow based on UKFNN[J].Computer Measurement & Control,2018,26(2):241-244. |
| |
| Authors: | Liu Xinghu Li Tai-fu and Wang Xing-long |
| |
| 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, |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《计算机测量与控制》浏览原始摘要信息 |
|
点击此处可从《计算机测量与控制》下载全文 |
|
