共查询到20条相似文献，搜索用时 640 毫秒
1.
针对传统分类方法易受到"同物异谱"和"同谱异物"影响，致使河口湿地覆盖分类精度较低的问题，提出一种基于遗传算法优化BP神经网络分类算法。以江苏省临洪河口湿地为研究区，选用哨兵Sentinel-2影像，经辐射校正、大气校正和图像裁剪等预处理后，构建基于自适应遗传算法优化的BP神经网络算法开展临洪河口湿地土地覆盖分类研究，并与传统BP神经网络、支持向量机和随机森林算法进行精度比较。研究结果表明：遗传算法优化后的BP神经网络算法开展河口湿地土地覆盖分类的总精度为96.162 7%，Kappa系数为0.952 0；与传统BP神经网络、支持向量机和随机森林分类算法的分类总精度相比，分别提高了7.359 7%、11.677 9%和6.042 4%；对应的Kappa系数也相应提高了0.090 8、0.118 0和0.074 8；有效解决了河口湿地土地覆盖分类精度低的问题。遗传算法优化后的BP神经网络可实现河口湿地土地覆盖的高精度分类，促进湿地资源的合理开发和保护，为实现海洋生态文明建设提供技术支撑。 相似文献
2.
针对赤潮灾害等级预测难的现状,提出了一种基于C4.5决策树与二分分割算法优化的BP(反向传播)神经网络赤潮等级预测模型。该模型针对传统BP神经网络输入参数难以选择和隐含层节点数量难以确定的问题,通过决策树分类获取最优的属性组合,来解决输入参数难以选择的问题;通过"二分分割算法",来解决隐含层节点数难以确定的问题。实验结果表明,该模型在青岛近海海域赤潮灾害等级预测中,预测结果的均方根误差(RMSE)小于传统BP神经网络的预测误差,并且在网络训练时间上有所缩短,预测精度上有所提高,能够获得良好的预测结果,可为赤潮等级预测提供新的解决方法。 相似文献
3.
基于模糊神经网络(FNN)的赤潮预警预测研究 总被引：1，自引：0，他引：1
为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP 算法的一个四层模糊神经网络模型。将模糊神经网络(FNN)技术引入赤潮预测研究,并与普通 BP 网络、RBF 网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能。 相似文献
4.
5.
6.
LabVIEW设计中压力传感器的RBF神经网络温度补偿 总被引：5，自引：0，他引：5
在石油平台注水压力监测系统设计中 ,采用LabVIEW虚拟仪器平台 ,嵌入逼近能力强和收敛速度快的RBF神经网络 ,以人工环境实验数据为样本进行训练 ,实现了压力传感器的智能网络温度补偿。结果显示 ,此方法能够在压力、温度变化较大的恶劣环境下 ,获得很高的补偿精度。 相似文献
7.
海冰管理是抵御寒区海洋资源开发海冰威胁的有效手段,海冰风险的准确、快速预测是海冰管理系统的关键组成部分。文中面向海冰管理中的冰情短时预测需求,明确了基于现场监测的海冰风险预测模式,开展了应用机械学习理论的海冰风险短时预测方法研究,并以渤海辽东湾海冰管理为例,讨论了神经网络与小波分解等非线性预测方法在冰情短时预测中的适用性。结果表明,时间序列小波神经网络在短时(6 h)冰厚预测中的预测精度与Elman神经网络相仿,而在24~48 h预测中的精度偏差较大;Elman神经网络在6 h、24 h与48 h的冰厚预测中均能保持较好的预测精度,在冰流速与来冰方向预测中,模型预测精度达到80%左右。 相似文献
8.
ANN在海洋预报中的应用 总被引：5，自引：0，他引：5
人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行海洋预报是可行的。针对海洋预报问题,初步建立了基于神经网络的预报分析系统,给出了应用实例。 相似文献
9.
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
10.
11.
12.
In this paper, we present a mathematical model including seakeeping and maneuvering characteristics to analyze the roll reduction for a ship traveling with the stabilizer fin in random waves. The self-tuning PID controller based on the neural network theory is applied to adjust optimal stabilizer fin angles to reduce the ship roll motion in waves. Two multilayer neural networks, including the system identification neural network (NN1) and the parameter self-tuning neural network (NN2), are adopted in the study. The present control technique can save the time for searching the optimal PID gains in any sea states. The simulation results show that the present developed self-tuning PID control scheme based on the neural network theory is indeed quite practical and sufficient for the ship roll reduction in the realistic sea. 相似文献
13.
14.
深海极端波浪环境为浮式海洋平台作业时最为关键的海洋动力环境之一。在其作用下,深海浮式平台的运动、气隙以及结构响应等均为近年来的研究热点。然而,在深海环境中,入射波浪环境往往通过X波段雷达进行测量,仅能获得波浪的短时统计值,极大限制了实海域浮动平台动力响应的研究。目前,尚无成熟的方法能够对海洋浮式平台所处海域的入射波时序进行实时测量。针对深远海半潜式平台的波浪时序随船测量问题,结合平台气隙响应与运动响应数据建立基于深层神经网络的波浪非线性解耦模型,准确估计辐射、绕射波浪以及其非线性成分对时序波浪场的影响。研究显示,基于深度神经网络的波浪时序测量技术可以实现从气隙响应到入射波信息的反推,利用该方法计算得到的波浪时序具有较高的精度。 相似文献
15.
16.
A neural network is presented for performing data association for multiple-target tracking on an optimal assignment basis, i.e., the sum of likelihood functions of measurement-to-track file associations is optimized. The likelihoods are shown to be derivable from a Kalman filter, which updates and maintains the track files from the measurements assigned by the neural network. Not only are measurements assigned to track files on an optimal basis, but undetected targets and unassigned measurements are identified also. A multiple-target tracking system utilizing the neural network, in conjunction with Kalman filtering, can also automatically delete and initiate track files. The solution to the data association problem, and therefore the design of the neural network, is based on the minimization of a properly defined energy function. Computer simulations indicate the ability of the neural network to converge quickly to the optimal hypothesis under various conditions, provided that the ambiguity in the scenario is not extreme. The computational complexity involved is moderate 相似文献
17.
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
18.
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
19.
利用Landsat7 ETM+遥感影像反射率和实测水深值之间的相关性,选取了相关性较好的ETM1、ETM2、ETM3、ETM4、ETM3/ETM2等5个水深反演因子,建立了BP神经网络水深反演模型。为充分体现BP神经网络模型的优越性,利用SPSS软件建立了单波段、波段比值、多波段三种不同的线性回归模型。通过对比发现,具有很好的自适应能力和非线性映射能力的BP神经网络模型在处理遥感水深反演问题上比传统的线性模型效果更好。 相似文献
20.
基于BP人工神经网络的海水水质综合评价 总被引：1，自引：0，他引：1
为了能够客观地对海水水质进行综合评价,在分析人工神经网络概念和原理的基础上,从阈值角度出发,通过对各类海水水质污染指标浓度生成样本的方法,生成了适用于BP人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价,通过模型... 相似文献