针对循环神经网络(recurrent neural network,RNN)的结构不易确定、参数学习过程复杂等问题,提出一种增量构造式随机循环神经网络(incremental-construction for random RNN,IRRNN),实现了RNN结构的增量构造与参数的随机学习.首先建立...针对循环神经网络(recurrent neural network,RNN)的结构不易确定、参数学习过程复杂等问题,提出一种增量构造式随机循环神经网络(incremental-construction for random RNN,IRRNN),实现了RNN结构的增量构造与参数的随机学习.首先建立隐含节点增量构造的约束机制,同时利用候选节点池策略实现隐含节点的优选,避免了网络随机构造的盲目性;进一步,从模型参数的局部优化与全局优化两个角度考虑,提出模型参数的两种增量随机(incremental random,IR)学习方法,即IR-1与IR-2,并证明了其万能逼近特性;同时通过研究IRRNN的动态特性,分析了IRRNN的泛化性能.通过实验验证了IRRNN在动态特性、紧凑性和精度等多个方面具有良好特性.展开更多
地下水过度开采导致的地面沉降制约着城市的可持续发展,有效模拟地面沉降并进行风险评估,是地面沉降防控的工作基础。受地层非均质各向异性的影响,地下水水位变化与地面沉降之间存在非线性关系,且该关系在空间上存在差异;此外,地面沉降...地下水过度开采导致的地面沉降制约着城市的可持续发展,有效模拟地面沉降并进行风险评估,是地面沉降防控的工作基础。受地层非均质各向异性的影响,地下水水位变化与地面沉降之间存在非线性关系,且该关系在空间上存在差异;此外,地面沉降发育程度与土体物理特性密切相关。在沉降模拟方面,传统的物理模型需要较多的水文地质参数且获取的这些参数空间分布稀疏,已有的数据驱动模型未考虑水位变化、土体压缩性质与地面沉降之间的时空关系。在地面沉降风险评价方面,先验知识的模糊性使得评价因子的选取及权重计算存在不确定性。论文以北京平原区潮白河冲洪积扇中上部为研究区,研究了考虑物理机制的地面沉降时空循环神经网络模型(geology and geographically weighted LSTM,Geo-GWLSTM)、集成贝叶斯模型和模糊集理论的地面沉降风险评估模型,模拟并评估区域地面沉降风险。主要研究内容及结果如下。展开更多
文摘针对循环神经网络(recurrent neural network,RNN)的结构不易确定、参数学习过程复杂等问题,提出一种增量构造式随机循环神经网络(incremental-construction for random RNN,IRRNN),实现了RNN结构的增量构造与参数的随机学习.首先建立隐含节点增量构造的约束机制,同时利用候选节点池策略实现隐含节点的优选,避免了网络随机构造的盲目性;进一步,从模型参数的局部优化与全局优化两个角度考虑,提出模型参数的两种增量随机(incremental random,IR)学习方法,即IR-1与IR-2,并证明了其万能逼近特性;同时通过研究IRRNN的动态特性,分析了IRRNN的泛化性能.通过实验验证了IRRNN在动态特性、紧凑性和精度等多个方面具有良好特性.
文摘地下水过度开采导致的地面沉降制约着城市的可持续发展,有效模拟地面沉降并进行风险评估,是地面沉降防控的工作基础。受地层非均质各向异性的影响,地下水水位变化与地面沉降之间存在非线性关系,且该关系在空间上存在差异;此外,地面沉降发育程度与土体物理特性密切相关。在沉降模拟方面,传统的物理模型需要较多的水文地质参数且获取的这些参数空间分布稀疏,已有的数据驱动模型未考虑水位变化、土体压缩性质与地面沉降之间的时空关系。在地面沉降风险评价方面,先验知识的模糊性使得评价因子的选取及权重计算存在不确定性。论文以北京平原区潮白河冲洪积扇中上部为研究区,研究了考虑物理机制的地面沉降时空循环神经网络模型(geology and geographically weighted LSTM,Geo-GWLSTM)、集成贝叶斯模型和模糊集理论的地面沉降风险评估模型,模拟并评估区域地面沉降风险。主要研究内容及结果如下。
