基于最小径向基函数(MRBF)神经网络的非线性噪声对消

由于传统线性噪声对消器对非线性噪声不能很好的适应,本文改进传统线形噪声对消器的线形滤波器部分,用MRBF网络代替横向LMS结构,以适应非线形噪声存在的情况。使用改进的RBF网络结构MRBF[1],解决了隐单元数目确定的困难,学习算法采用更加稳定的扩展卡尔曼滤波方法(KEF),增强了RBF的实用性。本文提出的方法降低了运算复杂度,增强实时性。仿真结果表明该方法有良好的噪声对消性能。

基于mRBF-ELM集成模型的排土场滑坡预警模型研究

为了解决排土场滑坡造成的事故多发、伤亡严重的问题,提出了一种基于mRBF-ELM集成模型的排土场滑坡预警方法,将排土场预警指标数据输入到经过训练完成的多径向基函数极限学习机集成模型中,结合所有子模型的稳定系数输出,集成模型的输出结果为综合所有子模型预测结果后的输出。作为对比,将应用mRBF-ELM集成模型得到的预测结果与应用人工神经网络(ANN)、极限学习机(ELM)、高斯径向基函数极限学习机(RBF-ELM^(1))、双曲正切径向基函数极限学习机(RBF-ELM^(2))、逆多二次径向基函数极限学习机(RBF-ELM^(3))的预测结果进行对比分析,从平均相对误差、均方根误差、拟合优度3个方面验证模型的可靠性。结果表明,该预警模型评估非常可靠,有很好的推广应用价值。