Las fallas de pendiente de las autopistas son desencadenadas por la lluvia, es decir, para crear el desastre. Sin embargo, predecir la falla de la pendiente de la autopista es difícil debido a la dependencia no lineal del tiempo y a los efectos estacionales, que afectan los desplazamientos de la pendiente. A partir de las redes neuronales artificiales (ANNs) desde mediados de la década de 1990, se sugiere un medio efectivo para juzgar la estabilidad de la pendiente al predecir el desplazamiento de la pendiente en el futuro basado en los datos de monitoreo. Para resolver el problema de predecir el desplazamiento de la pendiente de la autopista, se presenta primero un modelo de pronóstico de series temporales de desplazamiento de pendiente de autopista de suelo cohesionado, y luego se utiliza la red neuronal modular (MNN) para entrenarlo. Con la aleatoriedad de la información de lluvia, se construye la función de membresía basada en la medición de distancia; después de eso, se adopta
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
No explosión y unicidad de camino de la ecuación diferencial estocástica impulsada por un semimartingala continuo con coeficientes no lipschitzianos.
Artículo:
Un sólido y robusto esquema de marca de agua cero basado en la gran capacidad de los shearlets para captar características direccionales
Artículo:
Aplicación de un enfoque paramétrico difuso ampliado al problema de la asignación de recursos hídricos
Artículo:
Estudio de dos tipos de bucles de tripletes extendidos cuasi AG-neutrosóficos.
Artículo:
Control Robusto y Fiable de Sistemas Conmutados Impulsivos Discretos e Inciertos con Retrasos de Estado