基因方法在海洋预报中的应用

基因方法是模拟生物进化规律的工程模型参数全局最估化估计方法，具有并行随机自适应寻优的独特功能，它不限制模型结构形式，最优化准则形式、被估参数数目，有无约束，已开始广泛用于各种模型的参数识别之中，文中对基因方法作初步探讨并提出加速基因方法，在海洋预报模型参数优化估计中得到成功应用。     

统计预报方法在海洋预报中的应用研究进展

统计分析是人们认识自然规律、预测事物发展趋势的一种基本手段,统计预报方法在海洋、气象预报中一直占有重要地位。随着计算机和大数据技术的发展,海洋统计预报技术也取得了一定突破,涌现出许多新方法、新技术。本文系统介绍了统计预报方法在海洋预报中的,应用研究进展,对其发展历程进行了系统的梳理,对目前具有代表性的4类统计预报方法进行了总结,并对海洋统计预报的发展方向和应用前景给以展望。     

人工神经网络在风暴潮增水预报中的应用

本文根据1967～1982年问影响湛江站增水的热带气旋资料，选取了其中对湛江站增水影响比较显著的因子，运用人工神经网络中的BP算法，建立了湛江站风暴潮增水预报的人工神经网络模型，并使用贝叶斯优化算法提高了BP网络模型的预报能力，结果表明所建BP网络模型的训练拟合效果和预报效果都比较好。表明该网络模型可以用于湛江站风暴潮增水的预报。同时本文也为其它的港口、码头等近岸海洋工程风暴潮增水的预报提供了一个有效可行的方案。     

FLASH MX 在海洋预报网站的应用研究

通过MACROMEDIA STUDIO MX的FLASH MX工具软件的分析和研究,针对海洋领域的相关信息数据的特性,根据相关的海洋监测预报业务的专业需求,在搭建网站平台的同时,探讨了如何深层次地对FLASH MX开发功能的挖掘,在海洋信息应用领域率先提出了在海洋相关业务网站中建立RIA的理念和FLASHWEB的应用案例,继而在对FLASH应用前景的分析研究中也充分表述FLASHWEB在海洋领域的商业利用价值。     

人工神经网络在南海近海面气温反演中的应用研究

基于人工神经网络方法,利用海面水温、海面风速以及海面气压反演南海近海面气温,采用的基础数据集是国际综合海洋-大气数据集(International Comprehensive Ocean-Atmosphere Data Set,2.4 Release,ICOADS2.4)1981—2008年的观测资料,其中1981—2000年的观测资料用来建立模型,2001—2008年的观测资料用来进行模型检验。采用的人工神经网络方法是引入动量因子并采用批处理梯度下降法的BP(Back propagation)算法。试验结果表明,基于人工神经网络建立的近海面气温反演方法明显优于多元线性回归方法,尤其是在春季和冬季,海面水温、海面风速以及海面气压与近海面气温之间存在较强的非线性关系,人工神经网络的优势更加明显。总体而言,人工神经网络在各月的反演效果较均衡,均方根误差介于1.5—1.8℃之间,平均绝对误差为1.1—1.3℃。     

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。     

海洋预报公众服务移动应用系统的设计与实现

简单回顾了海洋气象预报领域手机应用程序的发展现状,分析了海洋预报公众服务应用系统存在的问题,提出了可行的系统架构设计和技术路线.总结了系统建设中的两项关键技术,即基于位置的海洋预报信息服务方法和预报场数据压缩方法,并给出了具体技术实现.以业务化系统为例,介绍了海洋预报公众服务移动应用系统的功能和应用情况.     

人工神经网络在多金属结核研究中的应用

本文通过对太平洋CC区多金属结核成矿背景的综合分析,利用人工神经网络随机BP算法,建立能够反映控矿因素的地质因子与结核分布参数间关系的人工神经网络模型,用于研究海底多金属结核的分布。本文对BP算法加以改进,提高了BP网络的收敛速度,加强了BP网络的学习和记忆功能,开发出人工神经网络的软件包,该软件包能够快速估算矿区内每个位置结核的丰度值,且具有较高的容错性。     

浙江省海洋预报电视节目现状及发展对策

浙江是海洋资源大省,海洋经济在浙江经济发展中扮演着越来越重要的角色。浙江也是全国海洋灾害最严重的省份之一,在全球气候变化和海平面上升的背景下,海洋经济发展和沿海社会公众生命财产安全面临严重威胁。作为最有效的公众信息传播工具,浙江海洋预报电视节目在海洋灾害的早期预警和信息宣传中起到了重要作用。但总体而言,海洋预报电视节目仍存在发展缓慢、覆盖面小、信息量少、表达生硬等问题,无法满足快速繁荣的沿海经济社会,以及海洋意识日益觉醒、海洋兴趣日渐浓厚的社会公众对海洋环境预报和灾害预警信息的获取需求。文章分析了浙江海洋预报电视节目的现状,给出加快其发展的对策。     

福建省智能网格海洋预报业务系统实现与应用

研发了福建省智能网格海洋预报业务系统,该系统覆盖西北太平洋海域,在福建沿岸海域、台湾海峡及周边海域、远海海域空间分辨率分别达到0.5 km、5 km和10 km,与传统站点预报和大面预报相比,该系统在时空上预报精细化程度更优.福建省智能网格海洋预报业务系统已成为福建省海洋预报台的主要业务系统,至今已业务化稳定运行1a.     

人工神经网络反演珠江口海域叶绿素浓度

利用2003年1月、2004年1月在珠江口海域的叶绿素浓度和辐射同步实测资料,建立了反演珠江口海域叶绿素浓度的人工神经网络模型。应用该模型由SeaWiFS资料获取珠江口海域叶绿素浓度分布图,并与SeaBAM推荐的OC2和OC4这2种统计算法的反演结果进行比较,结果表明人工神经网络模型的反演效果明显优于统计算法。人工神经网络模型的均方根差是0．2899,可决系数是0．8848;而统计算法的均方根差大于0．5,可决系数小于0．6。     

人工神经网络在闵北断块低阻油层识别上的应用

随着油气勘探程度的不断深化,非常规油气藏在油气勘探中不断被发现,在实际的勘探过程中低阻油层的储量和产量都在不断增加。低阻油层作为一种非常规储层,其含油性受多个因素影响。常规测井解释方法评价低阻油层有很大的困难。针对闵桥油田断裂构造错综复杂、油层低阻特征典型、测井解释难度大等特点,利用BP人工神经网络算法,对已知样本进行学习获得识别模式,并使用自编软件,成功识别了闵北断块阜宁组三段低阻油层。识别结果显示,该层新增油井8口,含油面积增加0.53 km2,新增石油地质储量23.62万t,经济效益显著;同时深化了对该断块油气分布规律与油藏类型的认识,理论意义重要。     

基于深度卷积神经网络的海洋牧场岩礁性生物图像分类

水下视频可直观记录和反映海洋牧场生物资源的现状和变动,目前亟待开展基于图像的海洋牧场生物识别分类方法研究,以充分发挥图像处理技术在海洋牧场生物群落监测领域的应用潜力。利用采集自我国北方烟威地区包含鱼礁、藻床和泥沙三种图像背景的水下视频,开展了图像增强、图像分类数据集的建立和3种分类模型的应用。对比了基于绿通道的色彩补偿和限制对比度的自适应直方图均衡等方法在海洋牧场水下图像增强上的效果。建立了北方海洋牧场常见岩礁生物图像分类数据集,包括花鲈(Lateolabraxjaponicus)、(Lizahaematocheilus)、许氏平鲉(Sebastes schlegelii)等鱼类11种、棘皮类3种和蟹类1种,共23 211张图像。基于飞桨深度学习框架和PaddleX全流程开发工具,选择AlexNet、MobileNetV3和ResNet50三种图像分类卷积神经网络进行迁移学习,并分别验证了其在含噪音水下图像上的鲁棒性。结果表明,三种模型在测试集的类准确率分别达到96.64%、94.75%和99.23%,其中ResNet50模型在含有高斯噪音的图像集验证具有更好的鲁棒性。综之,基于深度学习的计算机视觉技术在我国海洋牧场生物群落监测中具有较大应用潜力,可为我国海洋牧场监测和管理提供新的思路和方法。     

神经网络技术在碳氧比能谱测井中的应用

为了充分利用碳氧比能谱测井中的各种信息，以BP神经网络基本原理为理论基础，发挥神经网络自动识别的优势，研究并建立了预测碳氧比含油饱和度的非线性神经网络模型，通过对实际取心井资料的应用，说明该方法是一种有效的方法。     

基于神经网络的印度洋长鳍金枪鱼(Thunnus alalunga)时空分布与海洋环境关系研究

长鳍金枪鱼(Thunnusalalunga)是主要的经济性金枪鱼鱼种之一,其空间分布与环境因子存在着密切联系。利用2012—2019年印度洋长鳍金枪鱼生产数据和海洋环境数据,包括海表面温度(sea surface temperature, SST)、叶绿素浓度(chlorophyll a, chl a)和海表面盐度(sea surface salinity, SSS)构建印度洋长鳍金枪鱼时空分布神经网络模型。以空间(经度,纬度)、环境因子(SST, chl a, SSS)为解释变量,局部渔获量为因变量,变化隐含层节点数,构建了18个BP空间分布模型,并采用10×10交叉验证模型稳定性,以均方误差(meansquareerror,MSE)、平均相对方差(averagerelativevariance,ARV)以及拟合优度(R~2)作为不同模型精度与稳定性的评判标准,最终选取5-18-1(隐含层节点18)模型为最佳模型,其平均MSE值为0.02232,平均ARV值为0.511。利用最优模型预测结果与同期实际捕捞产量进行叠加对比发现两者具有一致性。环境因子敏感性分析表明海表温度显著影响印度洋长鳍金枪鱼渔场分布,其贡献率达到0.2。印度洋长鳍金枪鱼高精度BP神经网络时空分布模型为其资源的可持续开发与动态管理提供了一种新思路。     

人工神经网络方法反演东中国海悬移质浓度

海中悬移质是决定海洋光学性质、海洋水质,河口海岸带演变动力过程的重要环境参数。本文利用模拟遥感反射比数据集建立人工神经网络反演悬移质浓度,并利用东中国海现场同步数据对该算法进行验证。     

人工神经网络在地质学判别分析中的应用

将现代人工神经网络方法应用于地质学的判别分析，通过实例计算表明，无论是对于两组判别分析还是多组判别分析，人工神经网络方法都是切实可行的。     

基于BP神经网络方法的近岸数值海温预报释用技术

为了提高近岸精细化海温预报精度,利用神经网络方法,分析了海温数值预报及观测数据在释用中的作用,研究了定点近岸海温影响因子的最优配置方案,建立了定点海温精细化数值预报释用模型,评估了释用模型性能。误差分析结果显示,数值海温产品及其观测在建模中起到了降低和稳定模型误差的作用;释用模型将定点数值预报的误差从2.2°C减少至0.7°C;预报误差较调训误差略高,但考虑到预报误差的稳定性,数值释用与人工经验预报水平持平,因此,该方法具有十分广阔的拓展空间和应用前景。