共查询到10条相似文献，搜索用时 547 毫秒
1.
为提高风光互补无人监测船长期作业的续航能力和工作稳定性,针对传统风光互补发电的优化最大功率点追踪(MPPT)控制策略需要对风力发电和光伏发电两个子系统分别进行MPPT控制而导致的综合输出功率不高问题,提出径向基函数(RBF)神经网络和单个升压(Boost)电路MPPT优化控制策略。该方案以风力发电和光伏发电两个子系统输出的电流和电压作为RBF神经网络的输入电流和电压,通过神经网络输出统一的占空比,经由单个Boost电路调整风光互补发电系统的输出电压,提高风光互补发电系统的综合输出功率。使用MATLAB仿真进行验证,结果表明此优化策略与传统MPPT控制策略相比综合输出功率更高且更稳定。 相似文献
2.
近年来, 计算机模式识别技术因其识别结果准确、快速, 而不断被用于生物判别邻域。本文利用MATLAB软件实现动量自适应BP神经网络(back propagation neural networks)对西北印度洋、中东太平洋和南海3个海区的鸢乌贼角质颚及其胴长进行模式识别。研究结果显示, 训练成型的神经网络收敛误差仅为4.416×10-2, 加入动量和自适应学习率的BP神经网络对鸢乌贼地理种群的识别率有显著提高。3个海区的正确识别率分别为100%、88.89%和94.12%, 总成功率为 93.24%, 说明角质颚外部形态和胴长可用于鸢乌贼地理种群的区分。而BP神经网络的其他学习算法, 如梯度下降法、单一动量法和单一自适应法的总识别率分为74.32%, 77.03%和87.84%。本研究的识别效果稳定, 对于大样本训练集的识别率也高达92.77%, 为头足类的种群判别提供了新的方法和思路。 相似文献
3.
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
4.
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
5.
潮位预测严重影响沿海区域，尤其是近海浅水沿岸地区居民的生产生活和涉海活动。谐波分析是长周期潮位预测的传统方法，但无法预测非周期性气象过程发生时的水位变化。与数据处理方法相结合，人工智能的方法通过拟合输入与输出数据的历史数值关系，能够有效预测高度非线性和非平稳的流模式，因而在时间序列数据预测领域得到了广泛的应用。本文结合自适应模糊推理系统（Adaptive Neuro-Fuzzy Inference System, ANFIS）和小波分解方法，利用水位异常和风切变分量作为输入数据，实现了一种综合的多时效潮位预测方法。文中测试了多种输入变量组合和小波-ANFIS（WANFIS）模型，并与人工神经网络（Artificial Neural Network, ANN）、小波-ANN（WANN）和ANFIS模型进行了预测结果对比。通过不同指数的误差分析来看，相比ANN模型，ANFIS模型能够更准确的预测潮位变化，小波分解对ANFIS预测精度有一定的提高，且模型中水位异常和风切变分量数据的加入比单一的潮位数据输入能取得更好的预测结果。 相似文献
6.
基于进化建模方法的HJ-1 CCD黄海悬浮物和叶绿素a浓度遥感反演模型研究 总被引：2，自引：1，他引：1
本文利用实测数据集,发展了基于进化建模方法的HJ-1CCD黄海悬浮物(TSM)和叶绿素a浓度(Chl a)遥感反演模型,建模过程中有针对性地设计了适合水色反演的端点集和函数集,并利用转基因方法引入水色先验知识。经实测数据检验,TSM反演的平均相对误差约为31%(相关系数R2为0.96),Chl a反演误差约为33%(R2为0.88)。分析了模型对输入误差的敏感性,当输入端引入±5%的误差时,模型误差的波动在大多数情形下都可控制在±10%以内。与神经网络模型相比,本文发展的进化模型具有检验精度高、结构简单等优势。利用不同季节的黄、东海实测数据进行了模型精度的独立检验。本文的研究工作表明,进化建模方法适用于水色遥感反演建模问题,可由程序自动生成多个满足精度要求、结构形式多样的显式模型,为水色反演应用提供了多种选择,对于拥有数百个波段的高光谱数据水色反演具有更大的应用潜力。本文最后探讨了进化建模方法的改进方向。 相似文献
7.
针对影响拖曳线列阵声纳系统目标检测性能的两种典型近场强干扰源,由宽带近场阵列模型,提出了基于功率谱相关的干扰抵消方法,通过比较基元域频域信号与干扰波束信号功率谱之间的相似关系,找到与每路基元信号相匹配的干扰分量信号,最后通过频域块自适应滤波算法实现每路基元域信号中的干扰抵消。宽带仿真结果与海试表明,这种方法在强干噪比和低信噪比条件下,比最小方差无失真响应和传统基元域干扰抵消方法在阵增益方面提高约10dB。相比传统基元域干扰抵消方法,这种方法能够实现抵消拖船干扰的同时抵消邻近目标强干扰。 相似文献
8.
海表短波辐射收支是海–气界面能量交换的重要物理过程。本研究利用2019年南海北部夏季科考航次的走航观测数据,评估了ERA5再分析数据的海表短波辐射通量收支。结果表明,ERA5的向下短波辐射相比观测偏小,11时和15时(北京时间)的偏差最大,可达-100 W/m2。与此同时,ERA5的海表反照率整体偏低,其中高太阳高度角时段偏差较小,约为-0.03,低太阳高度角时段偏差较大,约为-0.15。向下短波辐射和反照率的偏差共同造成ERA5白天平均海表净短波辐射通量比观测偏小约25.4 W/m2;其中,反照率低估抵消了约50%向下短波辐射偏差的贡献。研究表明,在不同大气透射率情况下,ERA5的海表辐射收支偏差存在不同表现。ERA5海表反照率的低估可能与其采用的参数化方案在南海北部的适用性不足有关。基于观测本研究也给出了一个简单的参数优化方案。 相似文献
9.
渤海是我国重要的经济区,海冰灾害严重威胁着人类生产活动。合成孔径雷达具有全天候成像能力,研究渤海区域的SAR图像海冰检测具有重要意义。传统海冰检测方法受限于特征提取方法和建模方式,检测精度有待提升。深度学习具有极强的特征自学习能力,适用于图像检测问题。本文基于深度学习框架U-Net,以Sentinel-1双极化（VV和VH）合成孔径雷达图像为输入信息,设计混合损失函数优化传统U-Net模型,形成了基于混合损失U-Net的渤海海冰检测模型。将本文模型与传统海冰检测方法[脉冲耦合神经网络（PCNN）、马尔科夫随机场（MRF）和分水岭算法]和基于深度卷积神经网络（CNN）的深度学习方法进行了对比。实验结果表明:本文基于混合损失U-Net的海冰检测模型在重叠度、F1分数、精确度和召回率4项度量指标上分别达到了97.567%、98.769%、98.767%和98.771%,检测效果明显优于对比方法;双极化信息输入的检测结果比VV单极化输入的检测结果在F1分数、精确度、召回率和重叠度上分别提高了0.375%、0.111%、0.639%和0.740%;混合损失函数的检测结果比非混合损失函数的检测结果在F1分数、精确度、召回率和重叠度上分别提高了1.129%、0.947%、1.794%和2.231%;模型能对冰水沿线、冰间水道、冰间隙等细节进行有效检测;可应用于渤海区域整幅SAR图像的海冰检测,为海冰监测、海冰变化分析、海冰预报提供技术支撑。 相似文献