基于JSCORS的无验潮水下地形测量研究          下载免费PDF全文

李昱  阎成赟 《海洋测绘》2014,(3):48-51

提出了一种无验潮水下地形测量方法,利用长江江苏段沿岸的控制点资料,基于分段二次曲面与BP神经网络拟合算法建立似大地水准面精化模型;利用该模型换算测深点高程数据文件,并输出数据成图。经多方面精度测试比对,此方法能够获得高精度的水底点高程。  相似文献   

GPS水准在海洋测绘中的应用     

褚晓明  王兴涛  李景福 《海洋测绘》1996,(4)

GPS相对定位解是几何位置,由此而确定的高程只能是几何高程,即大地高。通过用GPS水准方法来拟合小区域水准,推算未作水准联测的GPS点的高程,可以满足海洋测绘对高程精度的要求。GPS水准与传统水准测量相比,具有测站跨越距离远、速度快、全天候的特点,因此,特别适合于海洋测绘的作业环境和作业要求。  相似文献   

基于贝叶斯正则化BP神经网络的DEM趋势面逼近   总被引：2，自引：0，他引：2       下载免费PDF全文

陈再辉  江丽钧  朱晓燕  江伟勇 《海洋测绘》2009,29(4):32-34

趋势面从宏观上揭示了研究对象的特性，在各领域发挥着重要作用。BP神经网络可以对复杂系统进行无限逼近，进而进行预测。建立了基于贝叶斯正则化BP神经网络的数字高程模型趋势面，与二次多项式建立的数字高程模型趋势面进行比较分析，证明了该方法的可行性和有效性。  相似文献   

北太平洋表层海水pH值的重建     

王洁  毛景景  吕阳阳  王杰  栾奎峰 《海洋预报》2023,(1):46-56

以1993—2018年北太平洋海表面温度(SST)、海表面盐度(SSS)、叶绿素a浓度(Chl-a)、二氧化碳分压(pCO₂)等数据为基础,利用传统线性回归分析和BP神经网络算法,建立表层海水pH值的预测模型。结果表明：两种方法对于重建北太平洋表层海水pH值都能达到较高的精度,其中线性回归模型基于SSS、Chl-a、pCO₂参数模拟最佳,BP神经网络模型基于SST、SSS、Chl-a、pCO₂参数模拟最佳。对比两种最佳模型的均方根误差和拟合系数发现,BP神经网络模型优于线性回归模型。除此之外,最佳BP神经网络模型在4个季节的拟合效果均很好,不同季节的适用性远高于最佳线性回归模型。表层海水pH值受到多种因素的综合影响,与pCO₂、SST呈负相关关系,与SSS、Chl-a呈正相关关系。应用最佳BP神经网络模型重建北太平洋表层海水pH值发现,本研究模型的预测结果与已有研究、哥白尼欧洲地球观测计划数据、站点实测数据都存在很好的一致性,表层海水pH值冬季高于夏季,整体呈现西北高东南低的趋势。  相似文献   

基于水深分段选择因子的多光谱影像反演水深     

李宁宁  陈义兰  王燕红  张靖宇  唐秋华 《海洋通报》2022,(4)

岛礁周边海底地形精密测量是海洋测绘的难点问题之一,利用多光谱卫星能精确测定岛礁周边水深地形,是传统岛礁水深测量有效的补充方式之一。本文以蜈支洲岛周围水域为研究区域,提出了基于BP神经网络水深分段选取反演因子的方法,利用WorldView-2数据和多波束实测数据建立多模型,整合预测的各段水深获得海底地形。实验表明,本文方法能充分利用水体的光谱特性,与单一BP神经网络模型结果相比,MRE降低了6.4%,RMSE降低了1.2 m,是一种可行的多光谱水深反演的方法  相似文献   

利用MATLAB神经网络实现GPS高程转换设计   总被引：2，自引：0，他引：2  

秦永宽  黄声享  张书毕 《海洋测绘》2008,28(3):48-51

详细论述了如何运用MATLAB神经网络工具箱设计BP和RBF两种神经网络来实现GPS高程转换，以及在实现过程中应注意的问题，并结合工程实例对上述两种神经网络进行了比较分析，以期在实际应用中指导神经网络的设计。  相似文献   

基于人工神经网络的赤潮预测模型   总被引：4，自引：0，他引：4  

马玉梅  高静宇  王清华 《海洋预报》2007,24(1):38-44

本文利用非线性时间序列预测模型,将海洋预报和人工神经网络BP算法相结合,提出了基于神经网络的海洋预报模型;运用改进的三层BP(Back Propagation)神经网络模型对海洋气象进行赤潮灾害监测和预报;同时针对仿真结果进行分析,结果表明该模型具有较好的预测能力。  相似文献   

BP神经网络精度估计及其在海洋油气资源预测中的应用     

赵健  刘展  樊彦国  丁宁 《海洋科学》2018,42(11):59-63

在对BP算法进行深入分析的基础上,将测量数据处理与误差理论中的精度评定方法应用到BP神经网络的精度估计中,通过分别计算BP神经网络学习训练过程及预测过程的输出层中误差,实现对神经网络模型的精度评定。最后以海洋油气资源预测为例,结合实测资料建立了BP神经网络预测模型并分别进行了学习训练过程及预测过程的精度评定,以期为神经网络模型结构的优化设计提供有效参考,为提高神经网络模型的适用性提供科学依据。  相似文献   

基于灵敏度分析的海洋油气资源BP神经网络预测模型的优化   总被引：2，自引：2，他引：0  

赵健  刘展 《海洋科学》2016,40(5):103-108

作者针对BP神经网络结构设计中存在的问题,提出利用灵敏度分析方法对BP神经网络预测模型进行优化。通过BP算法与参数灵敏度分析的结合,寻找网络输入属性与输出属性之间的影响因子;在保证精度的前提下优选网络输入属性,简化网络结构,以增强网络的泛化能力,减少人为主观因素对网络设计的影响。最后以海洋油气资源预测为例,结合实测资料建立BP神经网络预测模型并进行了优化及预测精度评价,表明优化后的模型既能有效提高油气资源预测结果的稳定性,又不损失预测精度。  相似文献   

BP神经网络在海洋平台桩基轴向承载力中的应用研究          下载免费PDF全文

陈磊 《海洋技术学报》2019,38(3):85-91

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