共查询到19条相似文献，搜索用时 140 毫秒
1.
2.
为实现对海面风速精确的短期预测,提出了一种基于长短期记忆(LSTM,longshort-termmemory)神经网络的短期风速预测模型,选取OceanSITES数据库中单个浮标站点采集的风速历史数据作为模型输入,经过训练设置最佳参数等步骤,实现了以LSTM方法,对该站点所在海区海面风速在各季节性代表月份海面风速的24 h短期预测。同时通过不同预测时长的实验以及与BP(back propagation)神经网络神经网络和径向基函数神经网络(radialbasisfunctionneuralnetwork,RBF)的预测效果对比实验,证明了LSTM预测方法相比上述两种神经网络预测方法,在海表面风速预测应用中的优越性。最后通过多个海域对应的站点风速数据预测实验,证明了LSTM神经网络模型的普遍适用性,由相关系数和预测误差的分析可知该方法具备应对急剧变化数据的预测稳定性,可以作为海洋表面风速短期预测的一种可靠方法。 相似文献
3.
本文以一种新型激光扫描３－Ｄ视觉传播系统中快速求解３－Ｄ坐标值等为例子,展示ＢＰ神经网络的并行分布处理在本质上具有高速度优势及硬件容错能力;以及如何实现基于模拟神经网络的二进制数字量映射的无误差操作：进而阐明用模拟ＶＬＳＩ技术实现训练后神经网络芯片的可行性和推广意义。 相似文献
4.
目前海洋石油导管架平台桩基础的轴向极限承载力常用的设计方法为API RP2A(美国石油协会)和静力触探(CPT)的方法.在这两种方法的基础上,提出了用BP神经网络模型对桩的轴向极限承载力进行计算的思路,能够有效地预测桩的轴向极限承载力.根据BP神经网络算法具有较强的非线性映射能力和学习功能的特点,通过对影响单桩极限承载力因素的分析,依据静力触探资料建立了基于BP神经网络的单桩轴向极限承载力预测模型.通过利用API RP2A方法分析成果对该模型进行学习训练和预测检验,证明了预测模型性能良好、具有较高的精度和收敛速度快等特点,验证了神经网络方法的可行性,预测结果能够指导桩基础设计,缩短周期.因而具有较大的工程实用价值. 相似文献
5.
基于多种神经网络的风暴潮增水预测方法的比较分析 总被引：1，自引：0，他引：1
简要介绍了利用BP神经网络、小波神经网络、递归神经网络进行风暴潮增水值预测的原理。选取广东省珠江口以南的阳江站2017年风暴潮增水数据进行测试。结果表明,三种神经网络方法针对阳江地区风暴潮增水的预测均具有可靠性和实用性。以当前增水值为输入量的单因子模型更能反映真实风暴潮增水趋势,而从增水极值预测的准确性来看,以台风风力、气压、风向等相关参数为输入量的多因子模型优于单因子模型。BP神经网络更适用于多因子长时间预测,小波神经网络在单因子短时间预测上准确性更高,递归神经网络预测值与实测值相关性更强。在工程运用中,需根据地域时空特点、数据资料的丰富度与预测值评估指标选择合适的方法。 相似文献
6.
针对水下机器人操纵性优化设计中水动力系数预报问题,在水下机器人水动力预报中引入艇体肥瘦指数概念,确定了水下机器人艇体几何描述的五参数模型。提出采用小波神经网络方法预报水下机器人水动力,确定了神经网络的结构,利用均匀试验设计方法,设计了神经网络的学习样本。研究结果表明,只要确定适当的输入参数,选择适当的学习样本和网络结构,利用小波神经网络方法对水下机器人水动力进行预报可以达到较好的精度。 相似文献
7.
8.
水下拖曳系统在工作过程中拖体的俯仰角控制一直是水下拖体姿态控制的重要环节,设计了一种基于 RBF 神经网络的水下拖体直接自适应控制器,在闭环系统中利用 RBF 神经网络的局部无限逼近非线性函数的特性。将 RBF 神经网络的输出代替水下拖体动力学模型中的非线性不确定项,配合传统的 PD 控制器, 无需预先离线学习,在线学习更新神经网络权值,控制律和神经网络权值更新律经 Lyapunov 定理证明为稳定, 跟踪误差收敛到 0,通过计算机仿真比较该控制器与传统 PD 控制器的控制效果。 相似文献
9.
基于模糊神经网络理论对水下拖曳体进行深度轨迹控制 总被引：2，自引：0，他引：2
以华南理工大学开发的自主稳定可控制水下拖曳体为研究对象,首先通过水下拖曳体在拖曳水池样机中的试验取得试验数据后作为训练样本,采用LM BP算法,建立基于神经网络理论构建的可控制水下拖曳体轨迹与姿态水动力的数值模型。在此基础上设计了一个控制系统,它主要由两部分组成:基于遗传算法的神经网络辨识器和基于模拟退火改进的遗传算法的模糊神经网络控制器。以满足预先设定的拖曳体水下监测轨迹要求为控制依据,由控制系统确定为达到所要求的运动轨迹而应采用的迫沉水翼转角,以此作为输入参数,通过LM BP神经网络模型的模拟计算预报在这一操纵动作控制下的拖曳体所表现的轨迹与姿态特征。数值模拟计算结果表明:该系统的设计达到了所要求的目的;借助这一系统,可以有效地实现对拖曳体的深度轨迹控制。 相似文献
10.
利用1921–2020年的海平面气压、海平面高度、热含量数据以及海冰密集度作为太平洋年代际振荡（Pacific Decadal Oscillation, PDO）指数的预报要素,建立了关于PDO指数时间序列预测的多变量长短期记忆（Long Short Term Memory, LSTM）神经网络模型,对比分析了2011–2020年不同时间序列预测模型的PDO指数预测结果,最后利用多变量LSTM神经网络模型实现了2021–2030年的PDO指数预测。结果显示,多变量LSTM神经网络模型的预测值与观测值经过交叉验证后的平均相关系数和均方根误差分别为0.70和0.62;PDO未来10年将一直处于冷位相,PDO神经网络指数出现两次波动,于2025年出现最小值。相比于其他时间序列预测模型,本文采用的多变量LSTM神经网络模型预测结果误差小、拟合效果好,可以作为一种新型的预测PDO指数的手段。 相似文献
11.
冯天瑾 《中国海洋大学学报(自然科学版)》1994,(Z2)
介绍用神经网络实现图象边缘检测的实验研究结果。一幅数字图象用一个规模不大的ＢＰ网络边缘检测器处理小邻区，再用扫描此图象的方法进行边缘检测。此方法之最大优点是设计简单，网络边缘检测器的性能也令人满意．欠缺是：学习时间长，神经网络隐层中权重包含的信息难于解释清楚。 相似文献
12.
基于波浪数据的完备性对于海岸海洋工程设计而言非常关键,详细阐述了风浪观测数据补足神经网络模型的建立方法,构建了两个网络模型,以已有观测资料为样本进行了验证.结果表明,两个网络的训练效果均很好,且单输出目标的分层模拟要优于多输出目标的单层模拟.表明了利用人工神经网络推导缺失波浪条件的可行性. 相似文献
13.
An approach based on artificial neural network (ANN) is used to develop predictive relations between hydrodynamic inline force on a vertical cylinder and some effective parameters. The data used to calibrate and validate the ANN models are obtained from an experiment. Multilayer feed-forward neural networks that are trained with the back-propagation algorithm are constructed by use of three design parameters (i.e. wave surface height, horizontal and vertical velocities) as network inputs and the ultimate inline force as the only output. A sensitivity analysis is conducted on the ANN models to investigate the generalization ability (robustness) of the developed models, and predictions from the ANN models are compared to those obtained from Morison equation which is usually used to determine inline force as a computational method. With the existing data, it is found that least square method (LSM) gives less error in determining drag and inertia coefficients of Morison equation. With regard to the predicted results agreeing with calculations achieved from Morison equation that used LSM method, neural network has high efficiency considering its convenience, simplicity and promptitude. The outcome of this study can contribute to reducing the errors in predicting hydrodynamic inline force by use of ANN and to improve the reliability of that in comparison with the more practical state of Morison equation. Therefore, this method can be applied to relevant engineering projects with satisfactory results. 相似文献
14.
Forecast of storm surge by means of artificial neural network 总被引：1，自引：0，他引：1
Marzenna Sztobryn 《Journal of Sea Research》2003,49(4):317
This study describes the construction and verification of a model of sea level changes during a storm surge, applying artificial neural network (ANN) methodology in hydrological forecasting in a tideless sea where the variation of water level is only wind generated. Some neural networks were tested to create the forecast model. The results of ANN were compared with observed sea-level values, and with the forecasts calculated by different routine methods. The results of verification show that the neural network methodology could be successfully applied in the routine, operational forecast service. 相似文献
15.
水下机器人神经网络滤波技术的研究 总被引：2，自引：1，他引：2
滤波技术能提高水下机器人传感器信息的可靠性和精度 ,以保障水下机器人智能作业的顺利完成。将水下机器人的动力学特性隐式地分布在网络权值上 ,构造BP神经网络 ,进行水下机器人的运动状态预报 ,并将预报值与平滑后的实测数据相结合进行滤波 ,有效去除信号的噪声。仿真结果表明该方法能达到很好的滤波效果 相似文献
16.
Risk Assessment of Vertical Breakwaters -A Case Study in Turkey 总被引：1，自引：2，他引：1
In the reliability-risk assessment, the second order reliability index (βⅡ ) method and the Conditional Expectation Monte Carlo (CEMC) simulation are interrelated as a new Level Ⅲ approach for the analysis of the safety level of the Dalaman yacht harbor vertical wall breakwater in Turkey. The missing wave data of the Dalaman measurement station are hindcasted by use of multi-layer feed-forward neural networks with the steepest descent and conjugate gradient algorithms. The structural failure probabilities of sliding and overturning failure modes are forecasted by approximation of the failure sur-face with a second-degree polynomial of an equal curvature at the design point. in the new approach, for each randomly generated load and tide combination, the joint failure probability reflects both the occurrence probability of loading condition and the structural failure risk at the limit state. The approach can be applied to risk assessment of vertical breakwaters in short CPU durations of portable comput 相似文献
17.
多种群并行进化神经网络的研究及应用 总被引：1，自引：0，他引：1
提出一种新的多种群并行遗传算法 (NMPGA) ,并将其作为多层前馈神经网络(MFNNs)的学习算法 ,从而形成一类新的 MFNN模型——多种群并行进化神经网络(MPENNs)。首先 ,对一给定的网络结构 ,随机产生一初始权重的集合 ,这个集合实际上对应着一组具有相同结构但不同权重的神经网络。然后 ,采用 NMPGA对 MFNNs的权重进行进化。最后 ,性能最好的网络被选作目标问题的解。在 NMPGA算法中 ,作者采用浮点数编码来克服传统二进制编码的精度不足问题 ,并设计了专门的杂交算子和变异算子来增强算法性能。实验结果表明 ,MPENNs能成功解决异或问题、三元奇偶问题及成品烟的感官质量评价问题。 相似文献
18.
19.
1 .Introduction Large civil engineering structures are exposed to various external loads such as earthquakes ,winds ,traffic and wave loads during their lifetime . The structures may become deteriorated and de-graded withtime in an unexpected way, which m… 相似文献