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。     

基于集合经验模态分解与BP组合模型的短期余水位预测

水位在忽略观测误差的前提下,可分解为潮位和余水位,后者具有较强的空间相关性以及非平稳特征,是影响水位预报精度的主要因素。港口工程、航运计划编制等方面对实时高精度水位预报具有重要需求,这对余水位预报模型构建提出了更高要求。另外,利用高精度余水位预报模型可减少验潮站布设数量。针对余水位短期预测模型精度不高的现状,本文对余水位进行集合经验模态(EEMD)分解,获得余水位在时间序列上的本征模函数(IMF);使用快速傅立叶变换(FFT)分析各本征模函数的频谱特征;再利用BP神经网络对各个本征模函数进行训练,预测了未来6 h、12 h、24 h的余水位值。对哥伦比亚河下游河口处的3组典型验潮站的余水位数据的预测结果表明,在未来6 h、12 h内的余水位的预测精度达到厘米级,在24 h内接近厘米级,证明了该组合模型在余水位短期预测方面的可行性。     

一种基于BP算法学习的小波神经网络

为发展 Szu的基于信号表示的小波神经网络 ,提出一种多输入多输出的小波网络模型 ,网络隐层采用框架小波函数、输出层采用 Sigmoid激励函数 ,并选用“熵误差函数”以加速网络的学习速度。奇偶判别和混沌时间序列预测例子的实验结果表明了它具有良好的函数逼近能力和推广能力 ,收敛速度和均方误差均优于相同结构的多层感知器模型。     

基于粒子群算法优化的BP神经网络在海水水质评价中的应用

针对目前存在的海水水质受多因素影响、评价难的现状,提出了一种基于粒子群算法（PSO）优化误差反向传播（BP）神经网络的海水水质评价模型。该模型通过PSO得到BP神经网络最优的权值和阈值,结合青岛东部海域10个监测站点的数据得到水质评价结果。实验证明,该模型和单因子评价、传统的BP神经网络评价相比较,具有训练时间短、预测精度高的特点,在海水水质评价中具有良好的应用价值。     

基于头脑风暴优化算法与BP神经网络的海水水质评价模型研究

针对基于传统BP神经网络的海水水质评价模型存在易陷入局部极小等问题,提出了一种新的利用头脑风暴优化算法(BSO)优化BP神经网络的海水水质评价模型(BSO-BP)。该模型引入具有全局寻优特点的头脑风暴优化算法,用于模拟人类提出创造性思维解决问题的过程,具有强大的全局搜索和局部搜索的能力,同时利用BP神经网络所具有良好的非线性映射能力、学习适应能力和容错性,最大程度上考虑到海洋水质评价因素的非线性和非平稳的关系,得到BP神经网络的各层权值、阈值的最优解,使得海水水质评价结果准确合理。并以胶州湾海域的12个监测站位的监测数据作为评价样本进行水质评价,实验结果表明该评价模型能够克服局部极小问题,评价结果准确性较高,并具有一定的实用性。     

基于主成分分析的BP神经网络模型的形变预测方法

主成分分析可以提取形变主要信息,BP神经网络具有很强的预测功能,提出将两者相结合用于形变监测数据处理。通过MATLAB编程实现了该算法,并用实测数据进行验证,证明此方法能够提高预测数据的精度和可靠性。结果表明：与其他方法相比,基于主成分分析的改进BP神经网络能取得更好的预测效果。     

基于BP神经网络的天然气水合物相平衡计算及预测

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。     

基于多变量LSTM神经网络模型的PDO指数预测研究

利用1921–2020年的海平面气压、海平面高度、热含量数据以及海冰密集度作为太平洋年代际振荡（Pacific Decadal Oscillation, PDO）指数的预报要素,建立了关于PDO指数时间序列预测的多变量长短期记忆（Long Short Term Memory, LSTM）神经网络模型,对比分析了2011–2020年不同时间序列预测模型的PDO指数预测结果,最后利用多变量LSTM神经网络模型实现了2021–2030年的PDO指数预测。结果显示,多变量LSTM神经网络模型的预测值与观测值经过交叉验证后的平均相关系数和均方根误差分别为0.70和0.62;PDO未来10年将一直处于冷位相,PDO神经网络指数出现两次波动,于2025年出现最小值。相比于其他时间序列预测模型,本文采用的多变量LSTM神经网络模型预测结果误差小、拟合效果好,可以作为一种新型的预测PDO指数的手段。     

遗传神经网络在海水水质综合评价的应用

在简要介绍BP神经网络和遗传算法基本理论的基础上,针对BP算法易陷入局部极小的缺点,将具有全局寻优的特点的遗传算法融入其中,以胶州湾东北部海域的海水水质评价为例,阐明了该方法在海水水质评价中的应用,并与其他水质评价算法进行的比较,结果表明该算法具有较好的客观性和实用性,丰富了海水水质评价的方法体系,为近岸海域的环境管理与决策的提供依据.     

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

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。     

基于MODISEVI序列典型指标组合的土地覆盖分类研究

以2008年经Savitzky-Golay滤波技术平滑处理的MODIS EVI时间序列数据为数据源,采用支持向量机分类法对年EVI矢量模、年EVI最大值和年EVI最小值3个指标组成的影像进行土地覆盖分类,并利用验证样本对分类结果进行精度评价.试验结果表明:采用选用的3个指标不仅能减少分类的数据量、加快分类速度,而且还能...     

基于GEE和GIS的黄河三角洲面积多尺度时间序列分析

利用遥感大数据平台GEE(Google Earth Engine)和GIS(Geographic Information System)技术,结合1984—2018年水文和气象等资料,对黄河三角洲地区岸线变迁的时间序列变化进行趋势分析,并研究河口岸段面积与年输沙量、年径流量、黄河三角洲年降水量的关系。分析结果表明,1984—2018年黄河三角洲总面积呈先增长后逐渐减少的趋势,转折点发生在1998年;莱州湾岸段和人工岸段面积因固岸工程的建设基本维持稳定;刁口河岸段面积呈下降趋势,主要由于黄河改道后失去水沙补给,同时受到海水动力作用侵蚀显著;河口岸段面积受输沙量、径流量和降水量影响,存在"后效"影响,面积呈增长趋势,但随着水沙补给的减少增长速度逐渐变缓。总体来说,入海泥沙量、径流量和降水量是影响黄河三角洲面积的重要因素,但随着人工海岸的增多以及源头水沙量减少等因素,黄河三角洲面积受非自然因素的影响越来越大。     

基于BP神经网络的公交动态行程时间预测方法研究

公交行程时间的精确预测对于提升公交吸引力具有重要意义。本文基于公交车到离站的历史数据,综合考虑时间周期、站点、站间距离、天气等多个因素,建立了基于BP神经网络的公交车静态行程时间预测模型,以该模型为基础,采用动态迭代的方法,叠加多个站间行程时间预测结果,进一步构建了面向连续站点的公交车动态行程时间预测模型,实现对跨越多个站点的公交行程时间预测。以青岛市125路公交为例对算法进行测试。在模型的横向对比实验中,本模型预测结果的绝对误差均在50 s以内,平均绝对误差百分比(MAPE)为11.74%,均方根误差(RMSE)为23.15,R2的确定系数为0.905 1,SVM的MAPE、RMSE、R2 误差指标分别为:12.38%、38.33、0.743 6,LR对应的误差指标分别为:12.50%、25.59、0.884 1;在静态模型与动态模型的对比实验中,动态模型预测结果的MAPE为11.75%,RMSE为23.15,静态模型对应误差指标分别为:11.63%、26.74。研究结果表明,基于BP神经网络的公交动态行程时间预测模型比传统的静态预测方法具有更高的预测精度。     

基于EMD与神经网络的机械故障诊断技术

经验模式分解 (EMD)是分析非线性、非平稳信号的有力工具 ,它将信号分解为突出了原信号的不同时间尺度的局部特征信息的内在模函数 (IMF)分量。本文通过将各 IMF分量输入到 BP网络中进行训练学习和故障诊断 ,比直接输入原信号可以提高 BP网络对故障诊断的准确率 ,而且减少了训练时间。     

三维海水温度遥感信息模型研究

遥感信息模型是在地形模型、物理模型和数学模型基础上提出的一种新型模型.通过卫星遥感数据反演得到二维海水表面温度,以此为边界条件,根据不同季节、不同区域海水温度的变化规律,可以建立三维海水温度遥感信息模型.最后,用实测海水温度数据验证了模型的正确性,同时指出了模型存在的不足之处和今后需要改进的地方.     

中国系列标准海水制备与质量评价

中国系列标准海水是国家二级标准物质 [GBW (E) 130 0 11],在盐度或电导率传感器的现场检定 ,实验室盐度计的检定和校准中应用广泛。主要介绍中国系列标准海水的制备和不确定度分析。     

基于时间序列遥感影像的广西南流江口海岛变迁研究

广西南流江口无居民海岛生态系统较为脆弱,自海岛地名普查以来,该区域海岛形态和岛体开发利用变化显著。文章基于2012—2019年共8期遥感影像,开展南流江口海岛形态和开发利用的遥感提取和变化检测,并逐年分析海岛变化情况。遥感监测结果表明：2012—2019年,南流江口10个海岛形态变化显著,面积减少约61.8%,2个海岛岛体新增开发利用变化;重点说明花轿铺、小砖窑岛和小平墩岛3个显著变化海岛的逐年变迁情况,并分析海岛变迁的主要原因,为海岛保护和管理提出若干建议。     

深冷环境下海水冷冻淡化性能试验研究

提出利用液态天然气(LNG)冷能实现海水冷冻淡化,针对LNG的储运工艺,开展海水在超低温环境下的过冷度、结晶、脱盐等机理研究。试验测试了海水在电导率为20～40 mS/cm、冷冻温度为-30～-80℃冷冻条件下,制冰率、制冰速率、脱盐率等性能指标,并分析了影响各性能指标的因素,得出了超低温工况下系统最优过程参数。该研究结果为基于LNG冷能实现海水冷冻淡化的工程设计提供了必要的技术基础和设计依据。     

基于最小二乘和卡尔曼滤波方法进行原子时预报的研究

介绍和分析了最小二乘和卡尔曼滤波方法在时间预报中的应用。通过IGS站提供的钟差数据,分别运用这两种方法对其中六个原子钟进行了时间预报的实验。通过对预报结果进行分析,结论证明为了取得较好的预报效果,不同的预报方法和钟参数的模型对于观测数据的要求有一些差别。从实验数据所成图形来看,当采用一天的观测数据进行模型预报时,最小二乘法的预报精度比卡尔曼滤波法稍高一些。     

低温多效蒸馏海水淡化技术

文章介绍了低温多效海水淡化技术的原理、技术优势和应用方式。并比较了几种主要海水淡化技术的投资、运行费用及技术性能。最后分析了低温多效海水淡化技术的发展趋势 ,提出设备规模大型化、采用新材料新工艺、和可再生能源及新能源的结合如低温核反应堆是低温多效海水淡化技术未来的发展方向