科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对参数辨识过程运算时间长的问题,本文提出一种基于卷积神经网络的参数辨识方案。该方案避免了对数值模型的大量迭代,能够根据多个连续时间步的实测系统状态对多参数进行快速估计,实现参数辨识;同时,为了帮助神经网络更好地提取特征,还引入一种双向标准化的方法对数据进行处理。以Lorenz63为实例,对其参数进行了分析、实验。实验结果表明:该方案能够有效地估计当前物理场状态对应的模型参数,并且计算时间仅为传统方法的4%,大大提升了计算效率。
- 单位
针对参数辨识过程运算时间长的问题,本文提出一种基于卷积神经网络的参数辨识方案。该方案避免了对数值模型的大量迭代,能够根据多个连续时间步的实测系统状态对多参数进行快速估计,实现参数辨识;同时,为了帮助神经网络更好地提取特征,还引入一种双向标准化的方法对数据进行处理。以Lorenz63为实例,对其参数进行了分析、实验。实验结果表明:该方案能够有效地估计当前物理场状态对应的模型参数,并且计算时间仅为传统方法的4%,大大提升了计算效率。
