基于BP神经网络渤海湾表层叶绿素浓度反演方法探讨

由于渤海湾水质光学性质复杂,使用传统线性叶绿素浓度反演方法进行反演时的精度不高。为提高渤海湾叶绿素浓度的反演精度,利用2012年4月渤海湾的表层叶绿素浓度实测数据和GOCI同步遥感反射率数据,建立了渤海湾叶绿素浓度反演的BP神经网络模型,并与GOCI的3种叶绿素浓度业务算法(OC2算法、OC3G算法和YOC算法)进行比较。结果表明,在渤海湾GOCI 3种业务算法的标准误差均大于1,决定系数均小于20%;BP神经网络算法的标准误差为0.615 4,决定系数为89.98%,且反演的叶绿素浓度分布与实测值的分布趋势一致,反演的精度高于GOCI传统业务算法。因此该BP神经网络模型可用于反演春季渤海湾表层叶绿素浓度,且反演精度比GOCI业务反演算法精度高。     

基于粒子群优化神经网络的水深反演模型

针对直接采用BP神经网络反演水深收敛速度慢,且易陷入局部最优的问题,提出了一种基于粒子群(PSO)优化BP神经网络的水深遥感新模型。该模型首先利用粒子群算法对BP神经网络的权重和阈值进行优化,然后将该优化值作为BP神经网络的初始值,最后再将PSO优化后的模型用于测试海区的反演精度评估。实验结果表明,该模型的网络收敛速度明显加快,水深反演的精度也得到提高。     

主成分分析与人工神经网络相结合反演一类水体叶绿素-a浓度

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。     

基于BP神经网络的SAR海表风场反演——以长江入海口及临近海域为例

研究基于合成孔径雷达SAR影像数据提出了一种快速反演我国近海表风场的BP神经网络算法。采用2DFFT算法与BP神经网络算法进行海表风向反演结果对比,验证了BP神经网络算法反演海表风向的可行性和直接性。选取2012年2月4日及2012年2月23日两景ENVISAT ASAR影像对我国近海海表风场进行反演,并加以ERA-Interim、NCEP、HY-2微波散射计三种风场产品,进行结果验证。实验表明:BP神经网络算法反演的海表风场与ERA-Interim、NCEP、HY-2微波散射计三种风场产品矢量(风向°,风速m/s)的、CC_(max)、RESE_(max)、BIAS_(max)、NRMSE_(max)分别为(0.8,0.7)、(13.6,1.6)、(10.5,0.46)、(11.4,0.99)、(0.06,0.13)。本文的研究亦可为"21世纪海上丝绸之路"的风能开发、极值风速研究等提供技术支持。     

利用AMSR—E卫星数据反演蒸发波导高度的BP神经网络方法

主要结合P-J模式和全通道AMSR-E卫星数据,利用两种BP神经网络方法对热带海区蒸发波导高度进行了反演研究。(1)利用BP神经网络反演得到的气象参数通过P-J模式计算蒸发高度;(2)利用卫星AMSR-E数据直接反演蒸发波导高度。两种方法得到的与浮标实测参数计算得到的蒸发波导高度之间的相关系数相当,都为0.82左右,均方根差后者比前者小,分别为2.64m和1.89m。利用后一种网络直接反演了南海地区的蒸发波导高度,平均结果与其他文献结果基本一致。     

基于神经网络技术的遥感水深反演模型研究

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。     

基于模拟退火和区域划分的海表流场反演算法研究

经典的海洋表面流场迭代反演算法采用固定的校正系数对探测区域进行整体分析和计算,因此耗时较长且反演精度也受到了一定程度的限制。本文提出利用模拟退火算法对反演过程中的校正系数进行优化,使其能根据每一次反演的结果进行自适应的调整和改变,从而减少迭代次数;同时根据流场分布的特点,提出划分探测区域的反演方法,最终,在经典算法的基础上给出了改进的海表流场反演算法。仿真反演实验结果表明,改进后的反演算法,其时效性和精度都有了明显提高。     

神经网络反演散射计风场算法的研究

建立了一个神经网络反演卫星散射计海面风场的B-P算法,给出了一个神经网络反演风场的模型,并利用该反演算法和模型对实际卫星散射计数据进行了海面风场反演试验,对风向的多解性利用圆中数滤波方法进行排除.对神经网络训练和检验数据集分别采用ERS-1/2散射计数据和欧洲中期天气预报(ECMWF)提供的风场作为配准点数据.把反演的风速和风向与CMCD4和ECMWF的风场作了比较,它们吻合得比较好;研究表明神经网络反演海面风场是可行和高效的.     

基于神经网络的卫星高度计海面风速反演算法

通过对TOPEX/Poseidon高度计资料与NDBC浮标实测数据进行时空匹配处理,得到同步数据集,利用人工神经网络方法试验得到海面风速反演算法,并与业务运行的M CW算法进行分析比较,指出考虑波浪状态影响因素的神经网络算法在均方根误差和对称性方面的优越性。研究表明利用神经网络方法反演海面风速是可行的。     

基于GA-BP神经网络的临洪河口湿地土地覆盖分类算法研究

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。     

瑞利参数在海浪波高机器学习预测中的应用

海浪直接影响海上活动和航行安全,同时也蕴藏着巨大的可再生能源,对海浪核心参数之一波高预测至关重要。基于2015年7月～2022年6月山东小麦岛(36°N,120.6°E)站点实测的波高数据,利用反向传播神经网络(back-propagation neural network,BPNN)、长短记忆网络(long short-term memory, LSTM)和支持向量机回归(support vector regression, SVR)三种机器学习模型对波高进行预测,并分析了瑞利参数的引入对预测结果的影响。结果显示,模型输入项引入瑞利参数后,对1 h和6 h波高预测提升效果有限,预测值与测试集的相关性提升不超过0.02,均方根误差的降低不超过0.01 m;在12h和24h的预测中,BPNN和LSTM模型预测结果相关性提升0.03～0.07,均方根误差降低0.02～0.03m,而SVR模型预测结果变化不显著。说明瑞利参数有助改善BPNN和LSTM模型中长期海浪预报。此外,特征扰动方法(机器学习中特征重要性的计算方法之一)验证了瑞利参数在波高预测中的重要性,瑞利参数的引入为波高的机器学习预...     

Full waveform inversion of field sonar returns for a visco-acousticEarth; a comparison of linearized and fully nonlinear methods

The techniques of linearized least squares inversion (LLSI) and simulated annealing (SA) are both used to invert a series of synthetic and real normal-incidence, geo-acoustic sonar returns for estimates of impedance versus two-way travel time in the top several meters of ocean floor sediment. The objective is to determine the better (faster, more accurate) method for inverting this class of data. LLSI uses an over parameterized earth, i.e., one composed of layers whose thickness corresponds to a travel time equal to the sample interval. This makes the inverse problem quite large, but also makes it nearly linear. SA uses a more efficient parameterization, one whose layers have variable thickness as well as variable impedance. Because of the relatively narrow frequency band (~1 octave at 20 dB down from the peak) the time domain signal is oscillatory and inversion for layer thickness is nonlinear. Results show greater time efficiency in solving the large linear problem (LLSI) than in solving the small nonlinear problem (SA). However, in both cases almost all of the waveform energy was modeled, indicating that essentially all the information in the data had been successfully recovered. The inversions are applied to 10-20 kHz field data acquired offshore Florida, and several techniques are employed to enhance the effectiveness of each inversion method     

质面系数法在重力反演中的边界效应及改进

利用重力资料反演三维单一密度界面的质面系数法是目前最为常用的方法之一。但是，我们在实际工作中发现当研究区域以外不能趋于同一深度时，该方法存在严重的边界效应，即边界附近反演误差较大。本文提出这一问题以及改进的措施，理论模型和琉球沟弧盆系实例计算都表明，经边界修正后的反演效果有了明显改善。     

2.5维海洋非线性共轭梯度反演应用效果研究

为了研究频率域2.5维非线性共轭梯度反演在海洋天然气水合物探测中的实际应用效果,利用美国Scripps研究所在South Hydrate海域采集的可控源电磁探测数据进行2.5维非线性共轭梯度反演计算,结合其他地球物理方法在同一海区的研究结果,综合分析2.5维反演计算的准确性和有效性。结果表明,非线性共轭梯度反演能够清晰地反映出该区域海底面以下1~2 km地层的电导率结构分布,其局部反演结果与地震反射、地震层序、测井分析结果基本一致,且对小尺寸异常、浅层高阻体分辨力较强,尤其在海洋天然气水合物探测方面具有较大潜力。     

地下金属管道防腐层破损处的直流电法探测

地下金属管道防腐绝缘层的探测是目前管网工程中提出的一个实际问题,探测手段主要包括Person法、电位测试法和密间隔电位测试技术等,但对探测的方法和原理少见报道。详细地介绍了应用直流电法探测地下金属管道防腐绝缘层破损位置的正演模拟和反演过程,通过编写计算程序和综合分析,认为利用直流电法可以探测到地下金属管道防腐层破损的具体位置。     

非线性弱色散波内部流场的重构

基于势流理论和级数直接求逆方法,本文建立了基于Ｂｏｕｓｉｎｅｓｑ方程或Ｇｒｅｅｎ－Ｎａｇｈｄｉ方程给出的水深平均流速或某特征流速及波面信息重构非线性弱色散波内部流场的算法。以Ｂｏｕｓｉｎｅｓｑ方程的孤立波解为例,用本反演方法计算了孤立波的表面水平流速及底部水平流速。结果表明本算法是有效的。本反演算法可用于获取非线性弱色散波的内部流场的详细信息。     

Bias correction of sea surface temperature retrospective fore-casts in the South China Sea

Offline bias correction of numerical marine forecast products is an effective post-processing means to improve forecast accuracy. Two offline bias correction methods for sea surface temperature(SST) forecasts have been developed in this study: a backpropagation neural network(BPNN) algorithm, and a hybrid algorithm of empirical orthogonal function(EOF) analysis and BPNN(named EOF-BPNN). The performances of these two methods are validated using bias correction experiments implemented in the South...     

Ekman模型时间变化风应力系数的伴随参数估计

本文基于时间分布参数设置,利用伴随同化方法,反演了Ekman模型中随时间变化的风应力拖曳系数,并在孪生实验和实际实验中对该方法进行了验证。在孪生实验中,研究了参数反演结果对不同影响因素的响应,包括:风速分布、风应力系数分布、风应力系数初始猜测值、风应力系数独立变量个数、观测数据误差和观测的深度。孪生实验结果验证了伴随同化方法反演Ekman模型中时变风应力系数的有效性,具体包括如下五个方面结论:1)不同风速分布下均能成功反演出不同风应力拖曳系数分布; 2)反演结果对初始猜测值较为敏感,风应力系数初始猜测值越接近给定值,反演结果越好;3)风应力系数独立点个数的选取会显著影响反演结果,合理的选择有利于提高反演效率及减小观测数据误差;4)观测误差能够影响反演结果,观测数据误差在20%以下时能取得合理的反演结果; 5)反演结果对观测数据的表层和次表层流速更为敏感,这是由Ekman流的物理性质决定的。实际实验,利用百慕大锚系试验平台的风速和流速数据,去除周期性潮流和地转流成分后得到Ekman流成分,并作为观测输入到该同化模型,反演出了适用于该区域和该时段的随时间变化的风应力系数。通过比较模拟流速和观测流速,证明利用伴随同化方法能从实测数据中反演出合理的时变风应力系数,对于海洋模型风应力系数的确定是一项有益的尝试。     

重力数据处理方法在寻找油气田中的应用

提出重力数据处理方法技术在寻找油气田中的应用，讨论所采用的数据处理方法包括：趋势面分析、高阶导数、归一化总梯度、分离场法反演多层密度界面等的原理，并通过在多处地区试验和应用，对划分区域构造、圈定局部构造、计算沉积岩层的厚度以及对含油气远景进行评价。     

海区沉积盆地的三维变密度基底反演及其应用

建立了适合海区沉积盆地基底反演的密度模式，推导了对应的重力异常精确公式（近区计算公式）和近似公式（远区计算公式），提出模拟沉积盆地复杂变化的密度差－深度曲线的分段拟合方法。建立了一种利用地震波速度谱、重力和水深资料反演沉积盆地基底的方法。利用地震波速度谱的资料对厦澎凹陷的密度－深度关系进行了统计分析，并反演了厦澎凹陷的重力基底，认为整个厦澎凹陷可能由不同构造格局的东北和西南两部分组成，并分别讨论了这两部分的基底特征。