基于模拟退火算法的BP神经网络模型估算高分辨率叶面积指数_薛华柱

卫星遥感技术的快速发展使得获取全球大范围叶面积指数成为可能,但基于现有的算法和数据估算高分辨率LAI的精度还需要提高。针对农作物、草地和林地等3种典型地表类型,选取地面观测数据较多的4个研究区,包括3个各地类用于建模验证的研究区与一个用于适用性验证的独立研究区,针对4个研究区,分别获取地面测量数据以及对应的30 m空间分辨率地表反射率数据。在3个主要研究区建立并比较了NDVI植被指数经验模型、BP神经网络模型和基于模拟退火算法的BP神经网络模型,利用地面实测数据对模型进行验证。结果表明:在研究所选的3个主要研究区,基于模拟退火算法的BP神经网络模型的估算精度比BP神经网络模型和NDVI经验模型的估算精度高,农田、草地和林地站点估算结果的决定系数分别为0.899、0.858和0.863,BP神经网络模型的估算结果决定系数分别为:0.763、0.710和0.742,NDVI经验模型的精度最差,其估算结果的决定系数分别为0.622、0.536和0.637。为了验证SA-BP神经网络的适用性,选取独立研究区进行验证,结果显示验证精度较高,R2为0.842,RMSE为0.689 5,说明该模型外推能力较好。研究证明了基于模拟退火算法的BP神经网络模型提高了模型泛化能力,有效防止了BP神经网络模型滑入局部最小值,是提高高空间分辨率LAI估算精度的有效手段。

  • 2021-04-22
  • 阅读603
  • 下载0
  • 13页
  • pdf

基于实数编码遗传算法的桥梁有限元模型修正方法_韩万水

为克服传统桥梁有限元模型修正迭代优化过程中存在的局部收敛和提高模型修正精度,提出了联合实数编码遗传算法与静动力实测数据的有限元模型修正方法;引入四边形等参元理论和牛顿迭代法编制宏命令,实现有限元模型中车辆荷载的快速自动加载;基于结构有限元模型静动力特性构造目标函数,以实数编码遗传算法为优化策略,采用MATLAB平台建立了有限元模型修正框架;通过对一个简支框架结构的数值模拟,对比了所提出优化方法与其他方法的收敛效率和修正结果,以验证所提出方法的有效性;采用拉丁超立方体抽样分析了有限元模型参数变化对桥梁动力响应的影响,以确定待修正参数,并采用所提方法修正了一座改建的空心板桥梁的实体有限元模型。分析结果表明:零阶算法和一阶算法对参数的敏感性和修正范围依赖大,选用敏感性较小的参数或者参数修正范围大于50%将会导致错误的修正结果;实数编码遗传算法对初始输入不敏感,可避免局部收敛的情况;采用灵敏度分析得到的主要待修正参数有空心板弹性模量、现浇层弹性模量以及支座横桥向和顺桥向的约束刚度;修正后的空心板弹性模量增幅约为19.13%,现浇层弹性模量增幅约为16.00%,横向约束刚度增幅约为46.21%,纵向约束刚度增幅约为72.72%,修正后的有限元模型的静动力特性与实测响应吻合良好,各测点静力响应误差均小于4%,动力响应误差小于3%。

  • 2021-05-06
  • 阅读601
  • 下载0
  • 11页
  • pdf