基于RBF神经网络的重力固体潮信号的建模与预测

发布时间：2020-11-18 02:54

　　 随着仪器行业技术的不断发展,人类对地球的认识更加丰富,重力固体潮作为研究地球物理学的一个重要研究途径,越来越多的学者投入重力固体潮的研究之中。重力固体潮信号中蕴含了大量的地球物理信息,这些信息能够帮助人类更进一步认识我们赖以生存的地球。重力固体潮信号受多个天体共同作用影响,主要是由于太阳、月球等天体轨道相对位置变化而产生的,同时受地质、水文、大气等地理条件变化的影响,所以既是一个有规律、周期性变化的信号,也包含反映地质、水文、大气等地理条件变化的异常信息。由于重力固体潮信号是多个信号分量的混合集合,为了更进一步的验证改进型径向基神经网络在重力固体潮领域的适用性,本文根据重力固体潮的产生机理,采用独立成分分析(Independent Component Analysis,ICA)算法求解重力固体潮信号的谐波分量,将重力固体潮信号分解为平行于地球绕质心转动的轴线方向上的长周期波和平行于地球赤道所在平面上的日波和半日波三个谐波分量。通过这个重力固体潮的解析模型,将重力固体潮信号在三个方向上的信息分量清晰明确的体现了出来。通过对重力固体潮信号进行建模,可以反映和预测重力潮汐信号的周期性变化的基本规律。通过对比其理论计算值,可以进一步提取重力潮汐信号中的异常变化信息。在实验中,通过重力固体潮信号训练改进后的径向基(Radial Basis Function,RBF)神经网络,得到了重力固体潮信号的有效RBF神经网络模型。利用该模型预测重力固体潮信号的估计值,并与传统RBF神经网络模型、自回归(Augmented Reality,AR)模型预测结果进行对比,实验结果表明本文改进训练算法的径向基网络模型预测的结果更加精确,说明本文的改进训练算法在重力固体潮信号的径向基网络建模中是有效的。本文采用一种单形进化的群智能优化算法优化选取RBF神经网络的权重和优化求解独立成分分析的混合矩阵,这种群智能优化算法是纯随机搜索算法,定义粒子多个角色态来实现搜索多样性,结构不复杂,迭代多个中心角色位置,能够稳定的维持算法的性能,有效的实现全局优化,最终解更为理想。
【学位单位】：昆明理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP183;P312.4
【部分图文】：

第一章绪论3“地月引力系统”。设O是地球的质心，o是月球的质心，M是地球质量，1m是月球质量，R是地球半径，L是地心到月心的距离，地球对月球的引力为MF，月球对地球的引力为1mF。根据牛顿万有引力定律可得：MmMFLMmGFLMmGF2121-(1.2)其中，G为万有引力常数。在不考虑其他因素影响，将地球——月球看作为一个独立的系统，地球、月球视为均匀的球体，在这个系统之中，地球、月球在相互引力作用下，存在一个公共质心O,在空间位置上保持静止或匀速直线运动，随着系统的相对运动，O的始终位于O、o连接的直线之上，并且O、o都围绕O运动。图1.1地球——月球引力系统由于地球所做的运动为平动运动，设地球上任意一点P，由重力固体潮的定义可得：P点在地球——月球引力系统中的引潮力是由P点处的引力和地球自转产生的惯性离心力共同作用下产生的，即PF月球等于PFm1和PFg的矢量和，如图1.2所示。

昆明理工大学专业学位硕士学位论文4图1.2地球——月球引力系统地球上一点P的引潮力由图1.2可得：PmmmLMGZrLMGPF,2111cos月球(1.3)其中，1mZ是月球对P点的地心天顶距。为了更清晰的观看引潮力中包含的谐波分量，就需要对引潮力拉普拉斯展开，月球的引潮力拉普拉斯展开得：]2coscoscoscos2sin2sinsin31sin313[11111112222232mmmmmmmHHRrLCDPF月球(1.4)其中，D为杜森常量，r是P点在地球相对位置的常数，R是地球的直径的一半，1mC是地心到月心的距离变化的平均值，1m是月球的赤道系统坐标的纬度，1mH是月球与P点的时角，是P点的地心垂线与赤道面的夹角。因为地球——太阳引力系统与地球——月球引力系统完全类似，设是太阳的质量为2m，太阳的质心到O的距离为2mL，同理可以推导出太阳在地球上P点的引潮力PF太阳为：

第二章重力固体潮信号的信号分解9第二章重力固体潮的信号分解2.1重力固体潮的解析结构根据重力固体潮信号的产生原理我们可以发现重力固体潮信号中包含了大量谐波分量，其中最主要的部分信号是反映太阳、月球等天体作用在地球表面上的引潮力导致的重力变化现象，即重力固体潮，同时重力固体潮信号包含了丰富的谐波分量和水文、大气等地球物理信息[16]。为了更加清晰的认识重力固体潮信号，从而更准确的推演地球运动或者地球内部结构，更加便捷的研究和认识人类赖以生存的地球。通过分析重力固体潮的理论原理和观测数据，选取一个更加适用于分析研究的重力固体潮信号的解析模型对重力固体潮的研究工作有着积极的推动作用。力的正交分解是传统物理力学分析中一种常用的方法，在实际系统重力固体潮中，地球上一点同时受到地球自转产生的惯性离心力、月球和太阳等天体的万有引力共同作用才导致重力固体潮现象，本文从重力固体潮产生原理出发，采用了一个能够比较准确的描述重力固体潮的正交分解模型。将重力固体潮在平行于地球自转轴和平行于赤道平面上进行正交分解，如图2.1。图2.1重力固体潮的解析结构
【相似文献】

相关期刊论文 前10条

1 吴永峰;蔡学志;肖建华;;基于RBF神经网络的短期负荷预测方法[J];自动化应用;2017年10期

2 陈至坤;唐瑞尹;王福斌;史涛;王青;;基于RBF神经网络的烧结终点预报系统[J];机械工程与自动化;2011年01期

3 马林;;虚拟物流风险的RBF神经网络实证分析[J];科研管理;2009年06期

4 何桂春,易红;RBF神经网络在选矿生产指标预测模型中的应用[J];江西有色金属;2002年04期

5 李进;刘璇;张建华;陈浩;张垚楠;;基于RBF神经网络间接求取运动学逆解的研究[J];机床与液压;2019年23期

6 张勇;王坤祥;欧健;柳亚;;基于RBF神经网络的车内声品质预测及分析[J];控制工程;2019年11期

7 李祎琛;何亚伯;汪洋;;基于粗糙集RBF神经网络村镇山洪灾害损失预测研究——以神农架林区为例[J];灾害学;2017年02期

8 雷宇欣;白文峰;;改进RBF鲁棒控制的机器人轨迹跟踪[J];科技创新与应用;2017年31期

9 李会明;裴峻峰;齐明侠;罗红梅;;RBF神经网络在往复泵故障诊断中的应用[J];煤矿机械;2006年11期

10 王柳艳;陈新华;王伟;;基于RBF神经网络的绞吸挖泥船施工产量预测研究及分析[J];中国港湾建设;2019年12期

相关博士学位论文 前7条

1 罗绍华;基于RBF网络逼近的机器人自适应动态面控制方法研究[D];重庆大学;2013年

2 赵斌;基于RBF网络的北方温室温湿度控制机理的研究[D];东北林业大学;2010年

3 曾祥萍;自适应组合RBF滤波器理论及其应用研究[D];西南交通大学;2013年

4 牟洪波;基于BP和RBF神经网络的木材缺陷检测研究[D];东北林业大学;2010年

5 吕士钦;RBF配点法在多层介质热传导反问题中的应用研究[D];太原理工大学;2013年

6 王琳霖;几种ESPI滤波方法的比较及基于RBF散斑信息提取方法的研究[D];天津大学;2012年

7 薛富强;进化RBF神经网络分类器研究[D];解放军信息工程大学;2009年

相关硕士学位论文 前10条

1 王明哲;基于RBF神经网络的重力固体潮信号的建模与预测[D];昆明理工大学;2019年

2 魏青;基于RBF的无人机重构控制策略研究[D];哈尔滨工程大学;2009年

3 戴赛;基于模糊RBF神经网络的磁悬浮系统研究[D];哈尔滨理工大学;2012年

4 赵福立;基于RBF海杂波微弱目标的检测与提取[D];吉林大学;2013年

5 赵伟;基于RBF网络的有源噪声控制[D];西安电子科技大学;2008年

6 代景欢;基于RBF的板形识别模型设计与FPGA实现[D];燕山大学;2019年

7 陈涛;基于RBF的三维饱和与非饱和层渗流机理研究[D];福州大学;2018年

8 徐通;基于优化RBF网络的油田智能故障诊断系统研究[D];西安石油大学;2019年

9 牛婷婷;RBF神经网络在带式输送机张紧力控制系统的应用[D];太原理工大学;2019年

10 于海涛;RBF多标记学习算法研究与改进[D];太原理工大学;2019年

本文编号：2888252