基于神经网络并考虑地形改正的GPS水准高程拟合

从考虑地形改正的基础出发,运用神经网络进行GPS水准高程拟合。从节约计算时间的角度提出了新的思路,认为不必深究于过密的DEM模型数据,DEM模型数据只是中间过程,能达到精度要求即可,如果过于强调其精度,相反还会带入DEM高程模型算法本身的系统误差。并提出了DEM模型的密度是否符合拟合要求的初步判定方法。还对神经网络的基本理论作了简单的概括和说明。     

计算结构可靠度的RBF神经网络响应面法

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。     

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

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。     

基于BP神经网络的海水盐度建模研究

针对受诸多因素影响的复杂的海水盐度参数非线性输入输出特性,训练并建立BP神经网络模型,介绍了该模型的结构特点和原理。分析表明,该方法在海水盐度建模等复杂系统方面具有实用性和可靠性,并有很好的应用前景。     

基于BP神经网络的东屿岛遥感影像分类

精准高效的海岛遥感影像分类是充分利用海岛基础资料的有效手段,也是全面掌握海岛基本情况及变化情况、保障海岛保护和开发利用有序进行、实现全国海岛动态监管的重要技术措施。以2008年海南省东屿岛航空遥感影像为数据源,借助ENVI遥感图像处理软件选取训练样本集,通过MATLAB仿真软件构建"3-8-5"的3层BP神经网络分类模型,实现对东屿岛遥感影像的分类。实验结果显示,BP神经网络分类总精度为87.85%,Kappa系数为0.84,与最小距离法分类相比,分别提高5.53个百分点和0.07。实验证明BP神经网络分类方法是一种行之有效且精确度更高的分类方法。     

利用3种贝叶斯模型研究鱼类空间分布的影响因素以海州湾六丝钝尾虾虎鱼为例

栖息环境是生物生存的必要条件,生物与非生物因子共同影响海洋生物的空间分布。本研究以海州湾的六丝钝尾虾虎鱼（Amblychaeturichthys hexanema）为例,利用3种贝叶斯模型对2013−2022年春、秋季在海州湾进行的渔业资源底拖网调查和环境监测数据进行分析,探究六丝钝尾虾虎鱼的栖息分布特征以及主要影响因子。通过比较发现,贝叶斯正则化神经网络（BRNN）模型具有较好的拟合效果和预测性能,故本研究应用该模型进行分析。研究结果显示,六丝钝尾虾虎鱼的相对资源密度与饵料生物相对资源密度呈正相关关系;随着底层水温、底层盐度、水深、捕食者和竞争者的增加,六丝钝尾虾虎鱼的相对资源密度呈现先上升或保持相对平稳,而后下降的趋势。海州湾春、秋季六丝钝尾虾虎鱼的相对资源密度均呈现自西南向东北递减的趋势,且西南近岸浅海区的资源密度较高。秋季的资源密度高于春季,同时2018年、2021年和2022年秋季六丝钝尾虾虎鱼在34.7°～36°N、121°～121.6°E之间离岸较远的海域出现了资源聚集区。本研究将有助于深入了解六丝钝尾虾虎鱼的栖息分布特征及主要影响因素,为其资源养护和科学管理提供理论依据。     

基于遗传BP神经网络的海底沉积物声速预报

在海底沉积物声速预报中,针对传统经验公式存在预测精度差、适用范围窄、缺乏物理意义等问题,在已有BP神经网络预测的基础上,运用遗传算法优化其初始权值和阈值的方法,构建出基于含水量、孔隙度的声速预报模型。将南沙海域采集得到的海底沉积物样品分为两部分,抽取120组涵盖陆架、陆坡、海槽等地貌单元的样品作为训练数据,另外剩余6组作为测试数据。经试验对比后发现,在对本区域进行声速预报时,宜采用遗传算法优化的BP神经网络,其要优于传统的单参数、双参数回归拟合预报方法和国内外其他学者所得到的经验公式。此种预报方法具有一定的科学依据和广泛的应用前景,可在今后为建立明确、统一的声速预报模型提供参考。     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演.结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5 m的水深值反演精度较高,而对大于10 m的水深值反演精度较低.     

基于变分多参数正则化方法融合卫星散射计资料

基于常规三维变分同化（3DVAR）思想和反问题中的正则化技术,提出了适用于风场融合的带正则化约束项的3DVAR方法,在南海海域开展数据融合试验,同时采用模型函数方法确定合理的正则化参数,针对一次台风个例进行了QuikSCAT散射计海面风场数据和华南中尺度模式海面风场数据的融合试验,结果表明采用带正则化约束的3DVAR融合方法,明显消除了常规3DVAR方法融合风场时带来的虚假信息,融合后分析风场以及涡度场和散度场分布均匀,结构清晰,气旋中心显著,且分析场中观测起主导作用;采用信号自由度（DFS）方法对融合方法进行定量评估,发现相对常规3DVAR方法,带正则化约束的3DVAR融合系统中观测数据提供的DFS较多,同时提高了观测场对分析场的影响;基于独立观测资料对融合结果进行检验发现相对华南中尺度模式和常规3DVAR方法的统计结果,带正则化约束的3DVAR方法得到的风场具有最小的均方根误差和最大的相关系数。     

基于BP神经网络的海洋监测数据等级划分

数据的分类是数据处理和应用的重要环节和前提。在海洋领域中,海洋数据呈现多元、多类等的复杂多样性,给数据的分类带来一定的技术挑战。主要针对海洋数据分类难这一问题,首先利用BP神经网络技术对海洋环境监测数据进行分类,且通过对获取的海洋环境监测数据进行分类预测,最后,实验验证了海洋环境监测数据分类方法的正确性和可行性,给海洋监测数据根据秘密等级进行数据分类提供了支持。     

一种基于GPU的大规模地形实时生成算法

大规模地形实时可视化一直以来都是计算机图形学、虚拟现实和仿真领域研究的重点和热点。利用Geometry Clipmap算法的基本思想,改进了数据的组织方法,简化了算法的裂缝消除技术,对视景体的裁切算法进行了改进,实现了海量数据的实时可视化。     

A Method for DEM Construction Considering the Features in Intertidal Zones

Accurate Digital Elevation Model in intertidal zones (IZDEM) is crucial to coastal applications (e.g., coastal zone management and anti-flood directing systems). Considering the features of multisource data and the evident anisotropy in intertidal zones, we propose a method for IZDEM construction. The basic idea of the method is that the terrain of any area can be divided into two portions: the trend portion reflecting the overall trend of the changes of topography and the residual portion reflecting the local changes. Based on the idea, the proposed method includes three steps: (1) Considering the influence of both the distance and the data accuracy of different data sources on the interpolation, the optimal equivalent weight is adopted to create the trend surface, which fits better for the intertidal terrain. (2) Considering the anisotropy of the terrain changes, the residual surface is created by the Kriging interpolation method. (3) IZDEM is constructed by combining the trend surface and the residual surface. The experimental results demonstrate that the proposed method can improve the fitting accuracy of the trend surface by considering the accuracy differences of multi-source data, and also improve the accuracy of the residual surface by considering the anisotropy of the intertidal terrain changes, thus it makes the constructed IZDEM more accurate in the area where multi-source data exist and the anisotropy of the terrain changes is evident.     

改进BP算法在风暴潮极值水位预报中的应用

提出1种基于改进BP算法的风暴潮极值水位预报方法。首先针对现有人工神经网络BP算法存在的缺陷,引入Cauchy训练方法计算连接权的调整,解决BP算法的局部极小点和网络瘫痪的问题。然后结合山东海区水文观测站每年的台风风暴潮资料,应用该改进算法建立台风强度、风速和台风移速与风暴潮极值水位的非线性网络预报模型,对该站极值水位进行预报。实验结果表明,该算法具有很好的稳定性和准确性,为风暴潮预报分析提供了1种可靠的技术手段。     

基于多源数据的三维城市建模方法

以天津新港三维城市建模为例,介绍了基于二维数据、DEM和3D模型等多源数据的三维城市建模的方法和关键技术。为有效利用现有数据资源快速、准确建立三维城市模型提供了一种经济、灵活、省时、高效的方法。     

基于ArcEngine的数字高程模型更新方法研究

采用COM技术,以ARCENGINE所提供的类库和凸包算法,实现了数字高程模型(DEM)数据更新的边界检测和利用矢量地形数据采集更新数字高程模型数据的方法。保证了数字高程模型数据的精度,可以满足数字高程模型的现势性需求。     

Kohonen网络与BP网络的集成应用研究

本文介绍了 Kohonen神经网络对输入数据进行聚类方法在卷烟配方中的应用 ,提出了从核心样本动态搜索 BP网络训练样本的新探索 ,摒弃了过去 BP算法中训练样本固定不变 ,互不相交的方法 ,实现了 BP网络和 Kohonen网络动态无缝集成。     

基于三角网构建海底DEM的抽稀算法

为压缩海量水深数据,实现在高分辨率下快速、完整和准确地表示海底地形,提出了一种基于三角网拓扑结构的数据抽稀方法。该方法利用Delaunay三角网的模型优势,快速寻找与水深点相关的区域。根据水深点对区域贡献度大小决定取舍。实验表明,该方法充分顾及海底地形变化趋势,能有效识别海底地形特征点,并且抽稀速度快、失真小、精度高。     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7 ETM 遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演。结果表明:具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5m的水深值反演精度较高,而对大于10m的水深值反演精度较低。     

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。     

关于真实感地形可视化的研究

主要介绍了地形从模型到可视化对象生成的原理和基本步骤,利用这些原理、步骤,可以不借助任何基础引擎实现地形的可视化,为3D开发者提高地形可视化技术和应用能力,提供了一定的理论和经验基础。