6变形分析与建模的基本理论和方法6.ppt

变形监测数据处理第六章 变形分析与建模的基本理论与方法 许承权六章 变形分析与建模的基本理论与方法 §6.1 回归分析法 §6.2 时间序列分析模型 §6.3 灰色系统分析模型 §6.4 Kalman滤波模型 §6.5 人工神经网络模型 §6.6 频谱分析及其应用 §6.1 回归分析法 一、曲线拟合 §6.1 回归分析法 一、曲线拟合 §6.1回归分析法 一、曲线拟合——回归参数的最小二乘估计 §6.1 回归分析法 一、曲线拟合——回归参数的最小二乘估计 §6.1 回归分析法 §6.1 回归分析法 §6.1 回归分析法 §6.1 回归分析法 §6.1 回归分析法 §6.1 回归分析法 当采用多项式模型进行拟合，多项式模型中的阶数n，事先并不知道。 比较科学的方法应采用建模法。 §6.1 回归分析法 二、多元线性回归分析 §6.1 回归分析法 §6.1 回归分析法 §6.1 回归分析法 §6.1 回归分析法 §6.1 回归分析法 在实际问题中，我们事先并不能断定x与y之间有线性关系，如在一元回归分析中，试验点不那么接近一条直线，这时也可用最小二乘法得到一条回归直线，但这条直线并没有很好地反映变量x和y的实际关系，没有应用价值，因此，必须有一个数量性指标来描述两个变量间线性相关的程度，这一指标通常采用相关系数。 §6.1 回归分析法 §6.1 回归分析法 §6.1 回归分析法 三、逐步回归计算 §6.1 回归分析法 §6.1 回归分析法 §6.1 回归分析法 Matlab的Curve Fitting 工具箱 Matlab的逐步回归工具箱 load hald stepwisefit(ingredients, heat, penter, .08) §6.2 时间序列分析模型 §6.2 时间序列分析模型 §6.2 时间序列分析模型 §6.2 时间序列分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.3 灰色系统分析模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.4 Kalman滤波模型 §6.5 人工神经网络模型 人工神经网络是一种模拟人脑功能的信息处理系统。 它主要借鉴了人脑神经系统处理信息的过程，以数学网络拓扑结构为理论基础。 自从人工神经网络这一技术诞生以来，它己经被应用于许多领域，如用于大坝变形预测、股票市场预测、工业控制、疾病诊断、光谱分析、降雨径流模拟、河川径流预报、水质参数预报以及水库调度决策等方面。 §6.5 人工神经网络模型 §6.5 人工神经网络模型 人工神经网络的工作过程可分为训练和测试两个阶段。 在训练阶段，以一组输入模式对和一组输出模式对作为训练样本集来训练网络。网络训练的过程是网络参数(包括权值、阈值等等)和结构(比如BP、RBF网络)的调整过程。在测试运行阶段，给定新的输入，网络便可以计算得到相应的输出。 §6.5 人工神经网络模型 人工神经网络以巨量并行性、高度的容错能力、信息加工与存储的一体化、自组织和自学习功能为主要特征，从随机选定的权重开始，经过多次学习和训练样本，同时反复修正计算误差，以至进行到训练样本的网络输出等于或接近合理的标准值为止。 即当网络的所有实际输出与理想输出一致时，表明训练结束，否则通过实际输出与理想输出的误差来修改连接权值与相应的阈值。 §6.5 人工神经网络模型 §6.5 人工神经网络模型 §6.5 人工神经网络模型