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。     

SMAP卫星的RBF神经网络海表盐度遥感反演

针对传统海表盐度遥感反演精度不高、影响因素较少等问题,本文基于SMAP(Soil Moisture Active Passive)卫星L2C(Level 2 C)数据、Argo(Array for Real-time Geostrophic Oceanography)数据和其他辅助数据,以太平洋部分海域（160°E～120°W,0°～30°N）为研究区域,综合考虑海面粗糙度以及白冠覆盖率等参量,利用径向基神经网络建立RBF亮温增量模型,并对平静海面亮温进行修正,然后基于Meissner-Wentz介电常数模型得到反演后的盐度值。验证结果表明：模型预测盐度和SMAP卫星盐度相对于Argo实测盐度的均方根误差分别为0.4和0.5,平均绝对误差分别为0.3和0.4。实验证明,利用RBF神经网络建立的亮温增量模型可以提高海表盐度反演的精度,对海表盐度反演具有实用意义。     

BP和 RBF神经网络应用于海表温盐短期预测效果对比

基于向外长波辐射、降水、大气再分析资料和 HYCOM(HYbridCoordinateOcean Model)盐度等资料,研究了 MJO(Madden-JulianOscillation,热带大气季节内振荡)对南海夏季降水的调制,并初步探讨了其对海洋表层盐度的影响。结果显示:MJO 对南海夏季降水有显著的调制作用,导致南海降水具有强的季节内变化,其最显著周期为45d。降水季节内信号在泰国湾北部、吕宋岛以西和台湾岛西南等迎风坡区域较强,而在越南外海的安南山脉背风区域较弱,且降水信号会随着 MJO 信号向东北方向移动。MJO 对流抑制(活跃)中心所在区域,低层大气辐聚减弱(增强),中层大气对流减弱(增强),导致降水减少(增加);此外,MJO 对流抑制(活跃)中心伴随的反气旋式(气旋式)环流会改变风场,风场减弱(增强)使得迎风区域的降水减少(增加)。MJO 引起的降水异常进一步影 响南海盐度,南海表层盐度也有明显的季节内变化特征,其显著周期和降水基本一致,为47d,且盐度异常信号也随降水异常向东北移动。本研究结果有助于进一步了解南海降水和表层盐度的季节内变化特征。     

基于RBF神经网络的胶州湾东北部海水环境质量状况分析

介绍了 MATLAB 6.5 工具箱中 RBF 神经网络的基本原理、训练算法以及实现函数.将其应用于胶州湾东北部海水环境质量评价,研究了训练样本集、检测样本集及其目标输出的构造,以及原始数据的预处理、神经网络的构建和训练、检测及仿真,确立了各监测站位的水质等级,取得良好的评价结果.还与 BP 网进行对比,BP 网表现出结构和初始权值确定的人为性.另外,运用克里格插值法进行平面空间分析,更为准确地反映了该海域水质的变化状况,为胶州湾东北部海水环境质量的改善提供科学依据.     

中国盐度标准海水稳定性研究

为确保中国盐度标准海水产品质量,保证量值传递的准确性,定期监控其稳定性是十分必要的。文中研究了中国盐度标准海水稳定性所需考察的因素。对于短期稳定性主要考察高温、低温、低压、冲击、碰撞和振动等6个因素对其特性量值的影响,对于长期稳定性考察其特性量值在3 a内是否随时间发生显著变化。结果表明,中国盐度标准海水的特性量值在非正常存贮环境条件下不发生显著变化,并在其标称的3年有效期内是稳定的。     

基于核磁共振技术的海水盐度测量研究探讨

为了进一步提高测量海水盐度的准确度,提出了一种新的测量方法.该方法改进了测量原理,利用核磁共振适合于液体的性质,对海水样品内所含元素进行精确的定量分析,通过建立数学模型并进一步分析处理后得到海水盐度的精确值.这种方法是由实际工作中得到的一种创新思想,目前仍然处于理论研究阶段,而且国内外还没有开展这方面的研究工作.今后会...     

微波辐射计遥感海水盐度的水池实验研究

通过水池实验研究了L波段微波辐射和盐度的关系,并进行了盐度的反演计算。实验中,先向水池内加入天然海水,然后通过向水池中添加自来水的方式调节降低池内水体的盐度,使盐度从31.67逐步降低到27.48。在此期间,利用微波辐射计观测池内水体的L波段H极化和V极化辐射值以及S波段V极化辐射值,利用CTD观测池内水体的温度和盐度。L波段微波辐射值和根据辐射理论计算出的亮温值具有很好的线性关系。利用最大和最小的2个盐度下的微波辐射值和由辐射理论计算的亮温得到定标公式,将观测的辐射值换算为亮温。最后利用半解析的反演算法反演盐度。本次实验的反演最大误差为2.1,均方差为0.3。     

海水表面张力的研究

用最大泡压法测定大洋海水及其被纯水稀释的海水温度在１５－３５℃，盐度５－３５的表面张力，所得数据经计算机统计处理得出海水表面张力同温度和盐度之间的经验公式：σｓｔ＝７５．５９＋０．０２１３５２ｓ－０．１３４７６ｔ－０．０００２９５２９ｓｔ在分别恒定盐度、温度度时，海水表面张力与温度、盐度有很的线性关系；其温度系数和盐度系数均非常数，温度系数随盐度增加绝对值增大，而其盐度系数随温度升高而变小。     

渤海海表面盐度神经网络反演研究

海表面盐度是研究海洋生态环境和全球气候变化的重要指标。基于多层神经网络,利用实测海表面盐度数据和MODIS-Aqua遥感反射率产品,针对渤海建立了海表面盐度的反演模型,随后通过该模型分析了2022年3月至2023年3月4个季度的渤海盐度时空变化。研究发现：模型的决定系数(R²)和均方根误差(RMSE)分别为0.66和0.39,优于先前文献提出的多波段线性模型(0.39和0.60)。渤海盐度的时空分析表明：黄河冲淡水是影响渤海海表面盐度重要因素,它致使莱州湾和辽东湾的盐度长期降低;9月份以后随着渤海冷流沿山东半岛南下,随后向渤海海峡和北黄海方向扩散。     

光照和盐度对海水介质中磷化氢转化的影响

通过室内模拟实验,研究了光照和盐度对海水介质中磷化氢转化的影响。结果表明,不同光照条件下磷化氢转化率有明显差异,按对磷化氢转化促进作用由大到小排列依次为：UVC〉UVB〉日光〉UVA〉避光条件,单位辐照强度的UVC比UVB更能促进磷化氢的转化。在实验体系中加入臭氧、过碳酸钠的实验进一步验证自由基反应对磷化氢转化有促进作...     

基于最小二乘法与RBF神经网络的溶解氧检测系统设计

为克服温度对溶解氧传感器的影响,对极谱型溶解氧检测系统的溶解氧电极激励源、高精度信号采样、软件标定和温度补偿等方面进行研究。通过对极谱型溶解氧传感器工作原理进行分析,设计了极谱型溶解氧传感器检测电路;根据溶解氧电极的温度特性,设计了基于NTC(负温度系数)热敏电阻的硬件温度补偿电路,并利用最小二乘法及RBF神经网络构建了软件温度补偿模型。利用饱和蒸馏水进行温度补偿实验,结果表明:经温度补偿后,该溶解氧检测系统的相对误差及采样波动均在1%以内,大大减小了传感器的非线性误差,测量精度和稳定性均可满足应用要求。     

印度洋海表盐度预报的线性马尔可夫模型及其改进办法

海洋盐度在水循环、海洋环流、海洋生态系统、全球天气和气候变化等方面起着至关重要的作用。然而,受观测的限制,以往对海洋盐度的研究相对匮乏,对其进行预报的工作更为少见。本文采用线性马尔可夫模型对印度洋海表面盐度(sea surface salinity,SSS)开展初步的预报工作。根据混合层盐度收支方程,选择海表面高度(sea surface height,SSH)、海表面温度(sea surface temperature,SST)、SSS等物理量的异常值作为模型的组成部分,对印度洋SSS开展预报工作。结果表明,马尔可夫模型可提前9个月对印度洋SSS进行较好的预报。此外,南太平洋海表面温度异常(sea surface temperature anomaly,SSTA),海表面高度异常(sea surface height anomaly,SSHA)和印度洋偶极子(Indian Ocean dipole,IOD)系数等遥相关因素的加入可将线性马尔可夫预报对印度洋SSS的预报效果(相关系数)平均提高10%。利用改进的模型对印度洋SSS进行提前1～11个月的“实时”预测,得出预报的SSS时空变...     

A forecasting model for wave heights based on a long short-term memory neural network

To explore new operational forecasting methods of waves, a forecasting model for wave heights at three stations in the Bohai Sea has been developed. This model is based on long short-term memory(LSTM) neural network with sea surface wind and wave heights as training samples. The prediction performance of the model is evaluated,and the error analysis shows that when using the same set of numerically predicted sea surface wind as input, the prediction error produced by the proposed LSTM model at S...     

Dynamic analysis of vessel/riser/equipment system for deep-sea mining with RBF neural network approximations

Abstract

Deep-sea mining (DSM) is an advanced technology. This article is focused on the dynamic analysis of a coupled vessel/riser/equipment system of a DSM based on radial basis function (RBF) neural network approximations while considering vessel dynamic positioning (DP) and active heave compensation (AHC). A coupled model including the production support vessel (PSV), lifting riser, and slurry pump is established containing simulated DP and AHC models. Furthermore, dynamic simulations are implemented to obtain the results of the vessel motions, thruster forces, pump motions and riser tensions. Using optimal Latin hypercube sampling, an RBF neural network approximation model is established, the input includes environmental factors and the output includes the dynamic responses of the pump motion and riser tension. Calculations are performed using RBF network approximations instead of a coupled model. The obtained results show that the PSV wave frequency (WF) motions have significant influence on the dynamic responses of the subsea system. Moreover, the current load affects the compensation effect. The RBF network approximation model can be used to reduce the required calculation time.     

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。     

BP神经网络在铜及铜合金海水腐蚀预测中的应用

根据实海环境数据及材料腐蚀数据,利用BP结构神经网络建立了铜及铜合金在实海环境中腐蚀速度与环境因素、材料成分之间神经网络预测模型。利用建立的预测模型分析了环境因素对铜及铜合金的腐蚀速度的影响。分析结果表明,温度的升高及生物污损促进铜及铜合金的腐蚀,而pH、盐度和氧浓度的升高对浸泡1年的材料腐蚀速度有明显的抑制作用。     

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。     

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。