基于BP神经网络的霍普菲尔德模型改进研究

发布时间：2017-11-13 01:30

  本文关键词：基于BP神经网络的霍普菲尔德模型改进研究

  更多相关文章： 霍普菲尔德模型 BP神经网络 多元线性回归 精度分析

【摘要】：为了分析对流层延迟的时空变化规律、提高对流层延迟的改正精度,利用BP神经网络处理非线性问题的优势,改进传统的霍普菲尔德模型得到一种新的融合模型(Hop+BP模型)。分别对比Hop+BP模型与传统的霍普菲尔德模型、多元线性回归模型、BP神经网络等模型的计算结果,得到如下结论:霍普菲尔德模型存在一个明显的系统误差,精度较低;多元线性回归的预测精度有所提高,但是其本质是将数据强制拟合,缺少物理解释,难以推广使用;传统的BP神经网络的计算精度较之霍普菲尔德模型有80%的提高,但存在明显的不稳定性;Hop+BP模型具有预测精度高、稳定性好等优点,预测中误差为1.1cm,明显优于传统方法。
【作者单位】： 铜陵学院建筑工程学院;东南大学交通学院;
【分类号】：P228.4
【正文快照】： 随着各国卫星大地测量技术的快速发展,GNSS导航定位系统应用的广度和深度都在不断扩展和加深,与此同时对该系统的精度要求也在不断提高,精确计算对流层延迟不仅可以大幅度提高GNSS导航和定位的精度,还可以转换求得大气中的水汽含量进而反演大气可降水量,同时还可以校正InSAR图，

本文编号：1178527