共查询到10条相似文献,搜索用时 250 毫秒
1.
2.
3.
4.
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
5.
6.
7.
8.
9.
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
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
10.
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