共查询到20条相似文献，搜索用时 187 毫秒
1.
海面高度异常 （SSHA） 作为重要的海洋要素，对研究海洋温盐剖面、海洋涡旋等海洋动力现象具有重要意义。然而，传统的海洋预测技术存在着预测时效过短、预测过程复杂等诸多问题，现有的机器学习预测方法也只针对几个点或区域
进行平均，忽略了很多重要信息。因此，本文提出了一种基于经验正交函数和 BP 神经网络 （一种机器学习方法） 的 SSHA预测模型 （EOF-BPNN） 来实现对起报时刻后 30 天的南海 SSHA 预测。首先，对 1993 年 1 月 1 日—2013 年 12 月 31 日的逐日 SSHA 数据进行距平归一化预处理，构建相关系数矩阵，并对该矩阵进行 EOF 分解，获取主成分。然后将主成分输入 BP神经网络进行训练，实现对主成分的预测。最后将主成分预测值与相应的空间模态结合，获取 SSHA 预测值。结果表明，相较于惯性预报和气候态预报，EOF-BPNN 模型不仅能够提供提前 30 天的较为精确的 SSHA 和相应的涡旋演化过程预报，且在整个南海区域拥有更高的 SSHA 相关系数，证明了 EOF-BPNN 模型具有较好的预测性能。 相似文献
2.
为了有效利用不同波段的光谱数据,改善反演一类水体叶绿素-a浓度的精度,文中提出了一种将主成分分析与BP神经网络相结合的反演方法。该方法利用主成分分析法对原输入空间进行重构,实现光谱数据压缩;利用BP神经网络实现压缩光谱数据与叶绿素-a浓度的自适应非线性映射。SeaBAM数据的实验研究表明,提出的方法与二次和三次经验算法相比,更具有普适性,且反演精度有所改善。 相似文献
3.
基于主成分和BP神经网络的智利竹筴鱼渔场预报模型研究 总被引：3，自引：0，他引：3
东南太平洋智利竹筴鱼Trachurus murphyi是我国大型拖网渔船队的重要捕捞对象。准确预报中心渔场是提高渔业生产能力的重要工作。本文根据2003—2009年我国船队在东南太平洋海域捕捞智利竹筴鱼的渔捞日志数据,结合海洋遥感获得的海表温度(SST)和海面高度(SSH)等海洋环境因子,利用主成分和BP神经网络方法对智利竹筴鱼中心渔场预报模型进行了研究。研究利用主成分分析法(PCA)得到累计贡献率在90%以上样本的主成分,综合考虑模型测试的精度与速度,基于原始样本和经PCA处理后的主成分分别建立了BP模型,其最优BP模型结构分别为5∶10∶1和3∶7∶1。研究结果表明,经PCA处理后的主成分所建立的BP神经网络模型在训练结果和测试结果上均要优于用原始样本建立的BP神经网络模型,两者的预报准确率分别为67%和60%。 相似文献
4.
基于遗传算法和BP神经网络的海洋工程材料腐蚀预测研究 总被引：2，自引：1，他引：1
为提高海洋工程材料腐蚀速率预测的精度，提出了一种基于遗传算法（GA）优化反向传播（Back Propagation，BP）神经网络的海洋工程材料海洋环境腐蚀速率预测模型。通过遗传算法对BP神经网络的权值和阈值进行优化，利用优化后的BP神经网络对试验数据进行预测。GA-BP模型选取具有代表性的2Cr1312不锈钢、Q235B碳钢和6082铝合金三种基本海洋工程材料数据进行试验，预测结果误差小于传统BP神经网络，并且在网络训练时间上有所缩短，预测精度上有所提高。本模型在海洋工程材料于海洋环境中腐蚀速率的实际预测中具有良好的推广价值。 相似文献
5.
6.
作为破坏性最强的海洋灾害,风暴潮灾害每年都给我国沿海地区造成了巨大的经济损失,运用科学的方法模型合理预测风暴潮灾害经济损失对指导沿海地区的防灾减灾工作意义深远。本文基于风暴潮灾害的成灾特点建立了风暴潮灾害直接经济损失预评估指标体系,由于评估指标数据高度非线性,采用核主成分分析（KPCA）对高维非线性数据进行降维优化,并利用径向基函数（RBF）神经网络对降维后的数据进行训练,从而实现对风暴潮灾害直接经济损失的预测。选取广东省1996—2018年的32个风暴潮灾害损失样本对模型进行仿真测试,结果表明,KPCA-RBF预测模型集成了核主成分分析和径向基函数神经网络的优势,预测结果精度高,学习收敛速度快,对风暴潮灾害数据序列有较好的非线性拟合能力。 相似文献
7.
为了对海表温度(SeaSurfaceTemperature,SST)和海表盐度(SeaSurfaceSalinity,SSS)数据进行精确的短期预报,基于多站位海洋观测浮标获取的海表温度和海表盐度数据,利用反向传播(BackPropagation,BP)和径向基函数(RadialBasisFunction,RBF)两种神经网络方法开展了短期预测。首先,在预测时长固定为5d的情况下,对比不同训练时长的预测结果的均方误差(MeanSquaredError,MSE),进而确定以20d的观测数据作为训练集的预测结果均方误差最小。然后,以 PAPA 站观测浮标获取的2009年1月、4月、7月和10月各月的前20d温盐数据作为训练集,分别训练BP和 RBF神经网络,将训练好的2种神经网络模型应用于各月第21至25日的温盐数据预测。结果表明:BP和 RBF神经网络均能有效预测海表温盐数据的季节性变化,但 RBF神经网络对不同预测时间的整体预测效果优于 BP神经网络。多站点数据的预测实验进一步验证了 RBF神经网络模型具有较强适用性和更高的准确性。RBF神经网络模型可以作为海表温盐数据短期预报的有力工具。 相似文献
8.
9.
针对天然气水合物相平衡问题,文中提出用基于带动量因子的BP神经网络进行计算和预测。首先用遗传算法优化确定BP神经网络的结构和参数,得到最优化结构的神经网络;其次结合Levenberg-Marquart优化算法,建立天然气水合物相平衡计算及预测的神经网络模型;最后以实验测定的(CH4 CO2 H2S)三元酸性天然气水合物体系的平衡数据为训练和预测样本进行了计算。计算表明,预测结果与实验数据有良好的一致性,而且由于BP神经网络作为所谓的“纯粹”的算法不需要热力学模型,这对于相平衡计算是非常方便的,所以是研究天然气水合物相平衡计算及预测的一种新的有效方法。 相似文献
10.
高频地波雷达是海洋环境监测的重要手段，当前已经实现对海流的业务化观测，但是外部因素常引起海流空间探测的不连续性。为解决此问题，尽量保障区域数据的完整性和准确性，本文将BP神经网络技术与空间插值相结合，建立了海流的BP神经网络插值模型，并进行了针对实测数据的缺失插值仿真，通过与反距离权重法和线性插值法插值结果的对比，分析该模型在区域海流大面积缺失、流速整体较大和流速整体较小3个方面的性能。结果表明，BP神经网络插值模型的海流预测效果明显优于其他两种方法，且在流场数据大范围缺失下也取得了良好的效果。 相似文献
11.
12.
13.
William W. Hsieh 《地球，A辑:动力气象学与海洋学》2001,53(5):599-615
Nonlinear principal component analysis (NLPCA) can be performed by a neural network model which nonlinearly generalizes the classical principal component analysis (PCA) method. The presence of local minima in the cost function renders the NLPCA somewhat unstable, as optimizations started from different initial parameters often converge to different minima. Regularization by adding weight penalty terms to the cost function is shown to improve the stability of the NLPCA. With the linear approach, there is a dichotomy between PCA and rotated PCA methods, as it is generally impossible to have a solution simultaneously (a) explaining maximum global variance of the data, and (b) approaching local data clusters. With the NLPCA, both objectives (a) and (b) can be attained together, thus the nonlinearity in NLPCA unifies the PCA and rotated PCA approaches. With a circular node at the network bottleneck, the NLPCA is able to extract periodic or wave modes. The Lorenz (1963) 3‐component chaotic system and the monthly tropical Pacific sea surface temperatures (1950–1999) are used to illustrated the NLPCA approach. 相似文献
14.
计算结构可靠度的RBF神经网络响应面法 总被引：6，自引：0，他引：6
对功能函数不能明确表达的问题进行可靠度分析，常采用响应面法。其中二次多项式响应面法应用较为广泛，采用与此方法相同的思路，提出了RBF神经网络响应面法，并通过算例与常用的BP神经网络响应面法进行了对比分析，该方法在学习速度、迭代次数等方面均优于BP神经网络响应面法。该方法用于大型复杂结构的可靠性分析，可相应提高工作效率和解题质量，具有一定实际应用价值。 相似文献
15.
针对误差逆向传播BP (back propagation)神经网络在GNSS水准拟合中存在梯度消失、陷于局部最小点的问题,通过使用深度学习中的分段线性整流函数Relu(rectified linear units)作为神经元激活函数,自适应矩估计Adam (adaptive moment estimation)算法作为网络优化函数,提出了一种基于深度学习的BP神经网络模型。研究结果表明:改进后的BP神经网络内外符合精度分别提高近50%和25%,可达0.9 cm和2.4 cm,为GNSS水准拟合提供了新的思路。 相似文献
16.
An artificial neural network (ANN) was applied to predict seasonal beach profile evolution at various locations along the Tremadoc Bay, eastern Irish Sea. The beach profile variations in 19 stations for a period of about 7 years were studied using ANN. The model results were compared with field data. The most critical part of constructing ANN was the selection of minimum effective input data and the choice of proper activation function. Accordingly, some numerical techniques such as principal component analysis and correlation analysis were employed to detect the proper dataset. The geometric properties of the beach, wind data, local wave climate, and the corresponding beach level changes were fed to a feedforward backpropagation ANN. The performance of less than 0.0007 (mean square error) was achieved. The trained ANN model results had very good agreement with the beach profile surveys for the test data. Results of this study show that ANN can predict seasonal beach profile changes effectively, and the ANN results are generally more accurate when compared with computationally expensive mathematical model of the same study region. The ANN model results can be improved by the addition of more data, but the applicability of this method is limited to the range of the training data. 相似文献
17.
18.
为了改善被测目标运动要素计算精度,提出了采用 PSO-BP 神经网络算法作为运动要素解算的方程。 该算法将粒子群算法作为 BP 神经网络的学习算法,提高 BP 网络的全局收敛性和收敛速度,将观测到的运动目标参数作为 PSO-BP 神经网络的输入,并将运动目标的方位作为主要输出量,将运动目标的方位值与误差期望值进行比较并作为 PSO 的输入修改 BP 网络权值,进而得到高精度 BP 神经网络。 对该算法进行仿真计算,结果表明:基于该算法的运动目标运动要素解算,尤其是运动方位的解算器精度可以达到 0. 128°,提高了运动要素解算的精度和速度。 相似文献
19.
基于粒子群优化算法的PSO-BP海底声学底质分类方法 总被引：2，自引：2，他引：0
利用粒子群优化算法（PSO）较强的鲁棒性和全局搜索能力等优点,将PSO算法与BP神经网络相结合,优化了BP神经网络分类时的初始权值和阈值。基于珠江河口三角洲的侧扫声呐图像数据,提取了海底声呐图像中砂、礁石、泥3类典型底质的6种主要特征向量,利用PSO-BP方法对海底底质进行分类识别。实验表明,3类底质分类精度均大于90%,高于BP神经网络70%左右的分类精度,表明PSO-BP方法可有效应用于海底底质的分类识别。 相似文献
20.
用Matlab中的Neural Network Toolbox仿真赤道东太平洋SST的预报模型 总被引：2，自引：0，他引：2
基于ＮＣＥＰ／ＮＣＡＲ再分析资料和ＣＯＡＤＳ海洋资料中的全球月平均海平面气压场、８５０hPa纬向风场及海洋温度场，利用Ｍatlab中的Ｎeural Network Toolbox仿真环境和ＢＰ模型改进算法比较准确地仿真和反演出了南方涛动指数、赤道纬向风指数和滞后的赤道东太平洋海温之间的动力结构和预报模型。该模型具有很好的拟合精度和可行的预报效果。可在一定时效内预测赤道东太平洋月平均海温的变化趋势。由于所建系统是具有直接因果关系的预报模型，因此不仅可直接用于预测，而且可有效避免类拟非线性微分方程组在积分过程中由于对初值敏感性而可能产生的对预报结果的不确定性。 相似文献