您的位置: 专家智库 > >

张华荣

作品数:2 被引量:4H指数:1
供职机构:山东理工大学建筑工程学院更多>>
发文基金:山东省自然科学基金更多>>
相关领域:水利工程天文地球更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇天文地球
  • 1篇水利工程

主题

  • 1篇对流层
  • 1篇对流层延迟
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇支持向量机模...
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络模型
  • 1篇数据分析
  • 1篇网络
  • 1篇网络模型
  • 1篇向量
  • 1篇向量机
  • 1篇小波
  • 1篇流层
  • 1篇坝变形
  • 1篇大坝
  • 1篇大坝变形
  • 1篇大坝变形预测

机构

  • 2篇山东理工大学
  • 1篇山东工业职业...

作者

  • 2篇张华荣
  • 1篇宋振柏
  • 1篇任婷
  • 1篇袁兴明
  • 1篇曲国庆
  • 1篇李帅
  • 1篇张胜伟

传媒

  • 1篇山东理工大学...
  • 1篇现代矿业

年份

  • 2篇2012
2 条 记 录,以下是 1-2
排序方式:
基于小波相关性的对流层延迟改正数据分析被引量:1
2012年
针对信号的非平稳性,根据小波相关性在分析两列信号相互关系方面的有效性,结合山东地壳运动GPS观测网络部分监测站的数据,利用GAMIT软件解算CASH、JIMO、RIZH、WUDI的对流层延迟改正.结果表明:两两站间的相关延迟量比较接近,没有出现较大的浮动,最小相关延迟发生在CASH-RIZH之间,最大相关延迟发生在RIZH-JIMO之间.
任婷曲国庆张华荣袁兴明
关键词:对流层延迟
大坝变形预测的支持向量机模型被引量:3
2012年
支持向量机在解决非线性及高维模式识别问题中表现出其特有的优势。针对大坝变形具有强非线性的特点以及传统神经网络模型预测时存在局部极小与过学习等问题,将支持向量机应用于大坝变形预测。以某大坝的变形监测数据为例,建立SVM预测模型,将支持向量机模型与神经网络模型进行比较分析。结果表明,该模型具有较高的精度,可以很好地应用于大坝变形监测分析。
张胜伟宋振柏张华荣李帅
关键词:支持向量机大坝变形神经网络模型
共1页<1>
聚类工具0