公开(公告)号：CN113780520A

公开(公告)日：2021-12-10

申请号：CN202110952945.3

申请日：2021-08-19

Applicant: 桂林理工大学

Inventor： 杨小平 ,  谭凯 ,  李哲宏

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种山体滑坡MEMS加速度传感器误差补偿方法，包括以下步骤：获取数据集、将数据集预处理为1D‑CNN模型输入格式、建立1D‑CNN模型和LSTM模型的融合模型，利用训练集对融合模型进行训练和学习、通过验证集来评估融合模型，对参数进行优化以及确定融合模型的网络结构，利用测试集判定融合模型的最终补偿效果的步骤。本发明针对目前MEMS器件精度不高的问题，提出一种基于一维卷积神经网络与LSTM相结合的MEMS加速度计误差补偿方法。以采集传感器的测量值与三轴转台真实值制作数据集，进行有监督学习，对网络模型进行训练，得到预测后的数据，最终使MEMS加速度计的数据得到了误差补偿，精度有所提高，解决了BP神经网络泛化能力不足的问题。

公开(公告)号：CN113779771A

公开(公告)日：2021-12-10

申请号：CN202110952930.7

申请日：2021-08-19

Applicant: 桂林理工大学

Inventor： 杨小平 ,  谭凯 ,  李哲宏

IPC: G06F30/20 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明提供了一种基于分数阶算子Verhulst模型的滑坡变形预测方法，包括收集滑坡原始位移数据，对原始位移数据序列进行累加处理，突出数据的规律性的步骤，以及建立Verhulst预测模型和使用天牛须搜索算法，求解得出Verhulst预测模型的最优分数阶数。本发明针对山体的位移时间序列提出了一种基于分数阶算子Verhulst模型的预测方法，通过将分数阶算子对原始序列进行累加处理，选用天牛须搜索算法在0到1阶之间得到拟合原始最优阶数，精准调节累加算子之间的数量级，将拟合平均相对误差降到最低，有效的提高了模型的精度。本发明的模型具有更好的拟合效果以及预测精度，能够有效地总结出山体滑坡的位移变化规律，对山体滑坡灾害预测具有一定的应用价值。