基于ESMD-FE-AJSO-LSTM算法的水闸深基坑变形预测

水闸深基坑开挖变形具有明显的非线性和非稳定性特征,基于此,引入极点对称模态分解算法(extremepoint symmetric mode decomposition method,ESMD)对水闸深基坑开挖变形原型监测序列进行多模态分解,并基于模糊熵(fuzzy entropy, FE)理论对各分解分量进行模糊多模态相空间重构,从而有效甄别水闸基坑变形不同时间尺度有效物理特征。构建基于人工水母搜索算法(artificial jellyfish search optimizer,AJSO)优化的长短期记忆(long short-term memory,LSTM)人工神经网络模型,以重构后的各重构子序列为基础进行优化训练,并把训练后的各预测模态分量合并,实现对水闸基坑开挖变形动态预测和分析。以张家港市十一圩江边枢纽改建工程基坑开挖变形监测为例,采用上述方法对该枢纽工程基坑开挖过程变形进行预测和分析。结果表明:基于ESMD-FE-AJSOLSTM算法的水闸深基坑变形预测方法能够有效预测基坑开挖变形非线性特征,相比传统LSTM、循环神经网络(recurrent neural network, RNN)和支持向量机(support vector machine,SVM)等算法具有更高的预测精度和稳定性,为实现对基坑开挖安全性态实时科学诊断和分析提供技术参考。

基于选择预测的自适应运动估计算法

依据图像序列的运动矢量的时空相关性和中心偏移特性,首先对宏块进行类型划分,并利用相关块而非相邻块进行初始点预测的选择预测方法,提出了一种对起点进行选择预测的自适应运动估计算法,而在搜索过程中,则根据不同的图像内容对不同的块灵活地采用不同的搜索模式。实验证明,该算法在大大提高搜索速度的同时,还能保证图像性能,还兼顾了运动估计复杂度和精确度的要求。

基于起点预测的快速运动估计算法

在研究菱形法等算法的基础上,利用序列图像的相邻块运动矢量的高度相关性和运动矢量的中心偏移特性,提出了一种基于起点预测的快速运动估计算法.该算法设计了菱形和正方形两种模板,在搜索过程中根据图像的内容(运动类型)采用组合模板进行灵活处理,提高了快速块匹配的搜索速度.该算法具有基于内容搜索的特点.实验结果表明,该算法在速度和准确性方面都优于传统的快速运动估计算法.

一种基于微元法和分数阶傅里叶变换的VCO非线性度检测方法

非线性度校正技术是实现高精度压控振荡器(VCO)以及高分辨率线性调频连续波雷达的关键技术之一。其中,非线性度的检测精度直接决定了非线性度校正精度。提出了一种基于微元法和分数阶傅里叶变换的VCO非线性度检测新方法。该方法结合一维搜索和离散时间傅里叶变换,检测信号频率及频率变化率,并利用起点预测算法提高其运算速度。仿真结果表明,与基于Wigner-Ville分布的方法相比,该方法能更有效地检测VCO的非线性度。

结合低位深像素预测起点的小波域运动估计

提出一种用2b深度的像素预测搜索起点的快速小波域运动估计算法.首先,将像素深度的转换形式化为区间分划和区间映射,采用非均匀量化求解区间分划的初始阈值,再用隶属函数计算量化阈值并完成区间映射,从而获得位深度为2b的视频表示;其次,设计了非均匀的搜索起点分布模板,并以此为基础提出一种基于2b深度像素的搜索起点预测算法;最后,以搜索起点为中心,进一步采用改进的低频子带平移运动估计算法MLBSSME在较小的窗口内完成搜索.实验结果表明,对于具有不同场景特点的视频序列,算法始终能保持较高的估计精度,运动补偿的平均峰值信噪比较之低频子带平移运动估计和直接子带运动估计算法高0.41dB和1.43dB,比空间域全搜索降低0.07dB.但是,算法的计算量仅相当于空间域全搜索的4.66%、低频子带平移运动估计的4.62%、子带直接运动估计的22.70%.

自适应可变模式搜索算法

充分利用运动矢量的时空相关性,提出一种新的块匹配运动估计算法,称为自适应可变模式搜索算法。该算法充分利用搜索起点预测、中止准则、自适应搜索模板、辅助点搜索等一系列技术。H.264编码平台上的实验表明,该算法可以保持高信噪比和低比特率,其计算复杂度只有UMHexagonS的16%～33%和EPZS的30%～50%。

基于起点预测的改进十字形搜索算法

运动估计是视频压缩算法中最为耗时的模块,运动估计的速度和质量在很大程度上决定了视频压缩的速度和质量。而运动估计中除了运动搜索算法,起点的预测也不可或缺。本文首先设计一种改进十字形运动搜索算法(M CS),然后提出一种之相匹配的运动预测算法,并将预测器的数量减少为两个,根据自适应的阈值法来决定预测后采取的动作——是直接中止还是进入不同的十字模板进行搜索。实验表明,通过这一系列的改进,进一步加强了M CS算法的优势。

基于块匹配的运动估计算法研究和优化

为了克服视频编码中运动估计运算量大的困难,对HBS和MVCB算法进行了深入讨论;并利用自适应静止块检测准则和基于运动相关性自适应的初始搜索点预测方法,实现了对MVCB算法的优化,减少了算法的搜索点数,有效提高了搜索速度。实验表明,在保证图像质量的前提下,改进后的算法平均搜索点数比HBS和MVCB算法分别下降了48%和29%。

运动估计算法预测搜索起始点

高精度的预测搜索起始点方法可以减少运动估计算法的搜索点数,提高搜索速度和精度。对中值,均值,左块,SAD比较等方法进行了理论介绍和实验分析,提出一种新的预测搜索起始点方法。该方法是利用相邻块运动矢量的相关性和运动矢量的偏向分布特征给相邻块分配不同的权重来预测搜索起始点。实验结果表明对不同种类的标准测试序列新方法比其它方法能够减少更多的搜索点数,减少搜索点数的总数达到29.24且PSNR提高1.71dB。

一种改进的运动矢量场自适应运动估计算法

对MVFAST和PMVFAST算法的分析,提出了一种改进的运动矢量场自适应运动估计算法。该算法基于MVFAST算法分级搜索的思想,优化了运动强度的划分方法,增加了相对运动类型的划分,搜索中尽量使用简单策略,并自适应提前结束搜索。实验结果证明,该算法在保持图像质量的情况下,与MVFAST和PMVFAST相比,不仅有效降低了计算复杂度,而且加快了搜索速度,具有很好的应用价值。

约束最优化设计中初始可行点的搜索

建立了坐标轮换调整法的理论 ,分析了搜索过程 ,对约束最优化设计问题中初始可行点进行快速逼近搜索 .该方法编程简单 ,搜索速度快 。

基于块运动类型的自适应菱形运动估计搜索算法

基于对图像序列运动矢量时空相关性和中心偏置特性的研究,对传统的菱形算法进行了改进,设计了自适应大菱形搜索模板,提出了一种基于块运动类型的自适应菱形运动估计算法,对大运动块进行起始点预测,再划分相对运动类型,对不同运动类型的块自适应地采用不同的搜索策略。实验结果证明,图像质量较好时,该算法相比运动矢量场自适应搜索算法,加快了搜索速度,降低了计算复杂度。

多层递阶预报参数估值初值选择的循环方法

本文提出了多层递阶预报参数估值初值选择的新方法——循环法,并对其收敛性及不动点性质进行了初步探讨。实验结果表明,该方法应用效果较好。

双曲线法在常州地区推算沉降量的应用探讨

探讨了用已有观测数据推算后期任意时间点沉降量的双曲线法及其使用条件,并结合工程实例,对双曲线法在常州地区的适用性进行了初步验证,得出了一些有应用价值的结论。

一种起点预测的十字形快速运动估计算法

基于时运动矢量概率分布的方向性中心偏移特性和起点预测搜索技术的研究,提出了一种起点预测的十字形快速运动估计算法(IPPAFA),在保持搜索精度的同时有效降低了计算复杂度。实验结果表明,在图像质量几乎不下降的情况下,与钻石搜索算法(DS)和运动矢量场自适应搜索算法(MVFAST)相比,该算法在速度和准确性方面都优于传统的快速运动估计算法。

自适应方向菱形搜索快速运动估计算法

在运动矢量分布特性研究的基础上提出了一种自适应方向菱形搜索算法.该算法利用图像序列的空时相关性,对搜索起始点进行预测,设定阈值,针对匹配块提前终止搜索,根据运动方向特性自适应的选择小菱形模板和方向菱形模板,大大增强了搜索的方向性.实验结果显示,在保证图像质量的前提下,该算法大幅减少了平均搜索点数,提高了搜索的速度.

改进的十字菱形搜索算法

新的视频压缩标准H.264比MPEG-4具有更高效的压缩效果,但却是以增加复杂度为代价的。针对搜索速率中的运动估计问题,设计了具有方向性的搜索模板,同时利用搜索起始点预测,合理选择模板,辅助点搜索等技术对十字菱形搜索算法进行改进。实验结果表明,改进算法在高峰值信噪比的情况下,有效提高搜索速度。

基于演化计算的线性规划原对偶内点法中的初始点选取算法

采用原对偶内点法求解线性规划问题,对初始点要求严格。根据初始可行内点的准则,定义了相应的达成度函数,并由达成度函数定义了适应值函数,从而提出了基于演化计算的线性规划原对偶内点法中的初始点选取算法。该算法基于和声搜索演化算法实现,经数值实验测试,结果表明,对所选取测试的典型线性规划问题,算法都能求得大部分问题的初始可行内点。

一种基于自适应预测的菱形搜索算法

运动估计中菱形算法是一种高效的搜索方法,但它没有利用视频序列中运动矢量的中心偏置分布特性和相邻宏块在时间和空间上的相关性,因此还有很大的空间可以进一步提高该算法的性能。在充分利用运动矢量的中心偏置分布特性和相邻宏块运动矢量的相关性的基础上,提出了一种基于自适应预测的菱形搜索算法(APDS),与传统的起点预测方法不同的是,该算法对所有宏块搜索起点的预测并不是按照一种固定的方法求取,而是通过分析其相邻宏块运动矢量的特性来自适应求得搜索起点和决定搜索策略。实验证明,同传统的菱形法相比,这种方法提高了搜索准确度,同时大幅降低了搜索时间,是一种高效率的搜索算法。

基于遗传算法的GM(1,1,λ)改进模型

研究表明,灰色GM(1,1)预测模型中的背景值及建模序列光滑度对于模型的预测精度均有影响。针对这一问题,引入背景值构造参数λ和三点平滑法,提出了基于三点平滑的GM(1,1,λ)改进模型,并利用遗传算法对引入的参数λ进行了最优值搜索。最后通过实例和仿真证明改进模型优于现有的灰色模型,具有更高的模拟和预测精度。