<track id="11yxa"><div id="11yxa"><td id="11yxa"></td></div></track>
      1. <bdo id="11yxa"><dfn id="11yxa"><thead id="11yxa"></thead></dfn></bdo><bdo id="11yxa"><dfn id="11yxa"></dfn></bdo>
          1. <tbody id="11yxa"></tbody>
            <bdo id="11yxa"><dfn id="11yxa"><thead id="11yxa"></thead></dfn></bdo>
          2. <bdo id="11yxa"><optgroup id="11yxa"></optgroup></bdo>

          3. <track id="11yxa"></track><track id="11yxa"></track>
            <track id="11yxa"><span id="11yxa"></span></track>
              您好,歡迎進入德州華翔生態環保有限公司官網!

              全國咨詢熱線

              15069280976

              技術文檔

              土工膜灰色預測模型和動態預測模型簡述

              發布時間:2021-12-14瀏覽次數:207

              土工膜灰色預測是基于灰色系統理論的一種預測方法,土工膜是根據過去的及其現在已知的或非確定的信息建立一個由過去引伸到將來的灰色模型 GreyMode,簡稱GM,然后通過對系統模型微分方程作白化處理,用最小二乘法求解,確定預測模型中的待定系數,從而確定系統未來發展變化的趨勢,該方法的最大優勢是對原始數據分布特征及樣本量無特殊要求。曝:土工膜灰色預測模型和動態預測模型簡述 借助非等間距的灰色預測模型,土工膜一方面可以利用高荷載水平下的蠕變變形預測低荷載水平下的蠕變變形;另一方面可以利用高荷載水平下的蠕變斷裂時間預測低荷載水平下的蠕變斷裂時間。 而動態預測方法區別于靜態預測方法的最大特征在于:其原始數據處理系統可以根據觀測數據的變化趨勢不斷調整,土工膜能夠及時將實測數據的變化納入系統,由此得到的蠕變預測值也更為合理。 在預測領域中應用最廣泛的是BP網絡。BP網絡的學習算法是一種誤差反向傳播式網絡權值訓練方法。它的理論基礎是多層神經網絡模型,它包括輸入層、隱層和輸出層3個層次,輸入層有n個結點,輸出層有m個結點。神經網絡是一個復雜的非線性動力學網絡系統,一個具有偏差和至少一個S型隱含層加上一個線性輸出層的網絡能夠逼近任何有理函數。最小二乘和BP神經網絡特有的非線性能力,土工膜較好地解決了蠕變系數及三參數法對蠕變數據擬合精度不高的問題。但神經網絡需要大量的數據作為學習和訓練網絡結構,土工膜實踐證明,在貧數據的情況下應用神經網絡,其結果不夠理想。

              標簽:
              15069280976
              免费无码A级毛片AⅤ视频|欧美人与牲口杂交在线播放免费|精品日韩亚洲AV无码一区二区三区|中文字幕无码视频在线播放|

                  <track id="11yxa"><div id="11yxa"><td id="11yxa"></td></div></track>
                1. <bdo id="11yxa"><dfn id="11yxa"><thead id="11yxa"></thead></dfn></bdo><bdo id="11yxa"><dfn id="11yxa"></dfn></bdo>
                    1. <tbody id="11yxa"></tbody>
                      <bdo id="11yxa"><dfn id="11yxa"><thead id="11yxa"></thead></dfn></bdo>
                    2. <bdo id="11yxa"><optgroup id="11yxa"></optgroup></bdo>

                    3. <track id="11yxa"></track><track id="11yxa"></track>
                      <track id="11yxa"><span id="11yxa"></span></track>