欢迎来到天天文库
浏览记录
ID:27291738
大小:2.11 MB
页数:53页
时间:2018-12-02
《毕业论文范文——基于SVM的变形监测预报研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、学号密级________________武汉大学本科毕业论文基于SVM的变形监测预报研究院(系)名称:测绘学院专业名称:测绘工程学生姓名:指导教师:年月摘要48变形模型的分析研究以及变形预测是变形监测的重要内容,对于工程建筑物的安全施工以及运营有着重要意义。变形分析常用的方法有回归分析法、时间序列法、灰色理论方法、人工神经网络模型法以及变形的组合分析方法。而支持向量机(SupportVectorMachine,SVM)具有优良的非线性特性,已广泛的应用于统计分类以及回归分析中,目前也逐渐应用到测绘数据处理中。支持向量机是在统计学习理论的VC维理论和结构风
2、险最小化原则的基础上提出的一种新的机器学习方法,它追求的是有限样本情况下的最优解而不仅仅是样本数趋于无穷大时的最优解,比起经验风险最小化为基础的神经网络学习算法具有更强的理论依据和泛化性能。本文结合了代表性的具体工程实例,从实际应用的角度进行计算分析,得到相应的变形分析模型并进行了变形的预测,而且与传统的变形分析方法进行比较验证,总结出各种模型的优缺点和适用范围。结果表面,支持向量机回归模型计算精度较高。关键词:变形监测;统计学习理论;支持向量机;变形分析模型ABSTRACT48Theanalyticalinvestigationofdeformatio
3、nmodelanddeformationforecastingareaveryimportantpartofthedeformationmonitoring,whichisverysignificanttothesafeconstructionandoperationofbuildingengineering.Thecommonmethodsofdeformationanalysisincluderegressionanalysismethod,timeseriesmethod,greytheorymethod,artificialneuralnetwo
4、rkmethodandcombinedanalysismethodofdeformation.Thesupportvectormachine(SVM)hasexcellentnon-linearcharacteristics,theSVMisasupervisedlearningmethodandithasbeenwidelyusedinstatisticalclassificationandregressionanalysis,theSVMisalsograduallybeingappliedtosurveyingandmappingdataproce
5、ssing.SupportVectorMachine(SVM)isanewkindofmachinelearningalgorithmproposedrecentlywhichisbasedonVCDimensionTheoryandStructuralRiskMinimizationofStatisticalLearningTheory.SVMcanobtaintheoptimumresultfromthegainedinformationwhichisnottheoptimumresultonlywhenthesamplesareinfinite.S
6、VMhasmuchstrongertheoryfoundationandbettergeneralizationthanNeuralNetworkwhichisbasedonEmpiricalRiskMinimization.Andbasedontherepresentativeengineeringexamples,thisarticialdoescalculationsandanalysisesinthedeformationanalysisabovefromapracticalApplicationpointofview,getsthererele
7、vantdeformationanalysismodelsandtheforecastingvalue,withwhichthetraditionaldeformationanalysismethodsareincomparison,andsummarizestherelativemeritsandsphereofapplicationofthemodelsaboveintheconcreteuse.Theresultsshowthatsupportvectormachineforregressionmodelswithhigheraccuracy.Ke
8、ywords:DeformationForecasting;Statistica
此文档下载收益归作者所有