一种状态区间取值修正的灰色-马尔科夫链预测模型研究

来源 :测绘地理信息 | 被引量 : 0次 | 上传用户:second5201314
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出了一种对灰色-马尔科夫链预测模型的状态区间取值修正方法。考虑实测值在状态区间中的位置分布情况作为先验知识,对状态区间的端点重新定权,修正预测值在状态区间中的取值,从而获得更高精度的预测结果。结合某建筑物的实测沉降数据,与原始GM(1,1)、残差修正GM(1,1)、灰色-马尔科夫链预测模型进行对比,结果表明:本文预测模型精度更高,状态区间取值修正方法对灰色-马尔科夫链的精度改善有一定的实用性。
其他文献
主要利用国产高分三号(GF-3)卫星数据通过合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)技术提取试验区域数字高程模型(digital elevation model, DEM)。首先介绍了GF-3卫星及其主要成像模式;然后介绍了InSAR数据处理过程及其关键技术,包括基线估计、影像配准、相位解缠等,并介绍其典型算法;最后利用
在新课改的推动和改革下,也对高中数学教学提出了新的要求,要求老师要对现有的教学模式进行创新,帮助学生更好的学习和理解高中数学知识,提高教学质量和效率.基于此,本文就针
期刊
政治与生活密不可分,在公共参与核心素养视域下探究政治教育方式具有实际意义.当前教育改革正如火如荼地进行着,在此背景下教育部门对高中政治教育提出了更高的要求,面向高中
期刊
在高中地理的教学中,教师不仅要注重学生理论知识的培养,还要注重学生实践能力的培养,只有把理论知识与实践能力相结合,才能让学生把关于地理的知识学透、吃透.但是,在目前的
期刊
为了确保轨道交通隧道施工作业的正常进行及地表建构筑物的稳定安全,采用遗传算法(genetic algorithm, GA)对极限学习机(extreme learning machine, ELM)模型的输入权值和隐含层偏置进行优化,通过构建GA-ELM模型,实现对轨道交通施工隧道地表断面监测点实测数据进行变形预测研究,并将GA-ELM模型与ELM模型、传统BP(back progation)模型的
在知识经济时代,社会逐渐提高对学校教育的要求,教育也需要面对一些新颖的挑战.在新课改不断深入的影响下,培养学生独立学习能力已经成为高中阶段数学教育的主要目标之一.在
期刊
英语是一门语言学科,是需要在日常生活中进行运用的,因为,教师需要注重学生英语综合素养的提升.而高中阶段的学生学习任务比较繁重,这个时候如果能够提高他们的综合素养,那么
利用江西地区南昌和赣州两个站点2014-2016共3年的探空资料,基于数值积分和最小二乘的方法分别建立了江西省单因子和多因子加权平均温度模型。两种模型的偏差集中在-3~3 K,优于广泛使用的Bevis模型和文献[6]建立的江西模型。对比江西单因子和多因子模型,发现多因子模型的精度更高,在南昌、赣州及全局的精度分别有了7%、9%和6%的提高。最后,按照季节分区建立了江西省季节多因子模型,相比全年的多
在高中阶段,数学是一门十分重要的学科,在教学当中培养学生的数学思维能力是非常重要的教学目标,在改变学生传统思维方式和习惯的过程中,能够使学生的思维逐步上升到理性层面
期刊
在通用的等值线追踪方法基础上,展开了开、闭等值线的追踪算法。并在追踪过程中针对多个出口情况下的选择问题,提出了特殊的处理方法——8点法扩张判断。该方法考虑了地形地貌特征,从根本上解决了等值线追踪时的随机性,使得等值线不割裂整体地貌,不在山谷、山脊地区出现错误小圆,可还原真实地貌特征。本算法简单明了,便于用计算机进行处理,能够为坡向坡度、地形自动提取提供支撑。