基于相空间重构的神经网络风暴潮增水预测方法

风暴潮增水的准确预测对于国民生产、防灾减灾有重大意义。本文提出一种基于相空间重构的神经网络风暴潮增水预测方法,即使用单站风暴潮增水数据重构出与之相关的相空间,然后使用BP神经网络模型拟合该相空间的空间结构。将该模型用于库克斯港风暴潮增水预测,结果表明:该模型应用在风暴潮增水时间序列的预测中是合理、可行的,并具有较高的精度。此外,使用db10小波函数对原始余水位数据进行降噪处理可以显著地提高模型的预测精度。     

基于BP神经网络的厦门沿海风暴潮预报应用

以BP人工神经网络可有效描述非线性问题的特性应用于短期风暴潮增水预报,利用风暴潮增水与各项影响因素的关系,建立厦门沿海的风暴潮增水预报的人工神经网络模型。该模型将以台风中心最低气压、最大风速,七级大风半径、台风中心距测站位置的距离和测站当地气压、当地风速、天文潮位及增水值、作为主要的输入因子,预测未来1 h、2 h、3 h及6 h风暴潮增水值。分别探讨厦门沿海的风暴潮増水在3种代表性热带气旋路径的影响下的模型应用情况,由预报结果的分析显示:该BP神经网络模型所预报的风暴潮增水较好的拟合了实际变化趋势,表明本模型对于厦门沿海风暴潮増水的预报具有相当不错的成效。     

人工神经网络在台风风暴潮模拟中的解释应用

将BP人工神经网络引入到风暴潮数值预报的解释应用中,并以惠州站为例,根据台风参数与增水的关系建立3套神经网络模型,对风暴潮的数值预报结果进行订正,计算结果显示:BP人工神经网络可以改进风暴潮数值模式的预报精度,可以作为惠州站数值预报结果解释应用的一种方法,同时也为台风风暴潮数值预测的解释应用提供了新思路。     

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。     

基于改进的神经网络方法的风暴潮灾害经济损失预测

风暴潮灾害一直以来对中国东南沿海地区的社会经济发展具有较为严重的负面影响, 是对中国造成危害最为严重的海洋灾害之一, 建立一个准确有效的损失评估模型进行风暴潮灾害损失预测, 对风暴潮灾害的预防具有重要的意义。本文在现有研究的基础上收集了2000—2018年中国东南沿海的琼、粤、闽、浙等省份记录较为完整的风暴潮灾害相关数据, 在综合考虑危险性、承灾体脆弱性、孕灾环境和防灾减灾能力的基础上, 建立起更为完整的风暴潮灾害损失的指标体系。相较于单一的BP神经网络, 本文在借鉴机器学习相关理论的基础上搭建了差分进化灰狼算法(DEGWO)优化的BP神经网络, 对样本进行训练和仿真测试。结果表明, 通过DEGWO算法优化后的模型误差更小, 数据的拟合程度更高, 对比而言, 提高了风暴潮灾害损失预测的精确性, 能够为风暴潮灾害损失预测的研究提供新的思路, 同时也为风暴潮灾害的防灾减灾管理提供了指导。     

长江口流域亚硝酸盐预测模型与分析

营养盐是控制长江口流域富营养化的关键因子之一。分析亚硝酸盐与其影响因子之间关系,引入人工智能方法,基于弹性BP神经网络,建立亚硝酸盐非线性预测模型,目的是通过影响因子在线监测,间接实现亚硝酸盐在线监测。依据神经网络权值和阈值获取方法不同,形成基于弹性BP神经网络、基于遗传算法和弹性BP神经网络,和基于改进的遗传算法和弹性BP神经网络的亚硝酸盐预测模型3种。通过仿真实验,分析3种模型对亚硝酸盐预测的影响,发现基于改进的自适应遗传算法和弹性BP神经网络的亚硝酸盐模型预测效果最优,为选择合适模型提供依据。     

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神经网络的湖南镇水库叶绿素a浓度预测模型的研究

以湖南镇水库2006-2007年间的监测资料为基础,利用插值和主成分分析法,运用BP人工神经网络方法构建预测模型,探求叶绿素a浓度与总氮、总磷、溶解氧等5项环境因子之间的关系,选出最佳预测模型,并对模型进行敏感度分析.结果显示:(1)BP神经网络模型对叶绿素a浓度预测值与实测值之间拟合程度良好,相关系数达到了0.95,...     

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。     

Neural network prediction of a storm surge

The occurrence of storm surge does not only destroy the resident's lives, but also cause the severe flooding in coastal areas. Therefore, accurate prediction of storm surge is an important task during the coming typhoon. Conventional numerical methods and experienced methods for storm surge prediction have been developed in the past, but it is still a complex ocean engineering problem which many factors, including the central pressure of typhoon, the speed of the typhoon, the heavy rainfall, coastal topography and local features influence the variation of storm surge. In fact, this problem is still a complex nonlinear relationship that can not solved efficiently by these two methods. Therefore, this paper presents an application of the neural network for forecasting the storm surge. The original data of Jiangjyun station in Taiwan will be used to test the performance of the present model. The results indicate that the neural network can be efficiently forecasted storm surge using the four input factors, including the wind velocity, wind direction, pressure and harmonic analysis tidal level.     

Forecast of storm surge by means of artificial neural network

This study describes the construction and verification of a model of sea level changes during a storm surge, applying artificial neural network (ANN) methodology in hydrological forecasting in a tideless sea where the variation of water level is only wind generated. Some neural networks were tested to create the forecast model. The results of ANN were compared with observed sea-level values, and with the forecasts calculated by different routine methods. The results of verification show that the neural network methodology could be successfully applied in the routine, operational forecast service.     

BP神经网络在海洋平台桩基轴向承载力中的应用研究

目前海洋石油导管架平台桩基础的轴向极限承载力常用的设计方法为API RP2A(美国石油协会)和静力触探(CPT)的方法.在这两种方法的基础上,提出了用BP神经网络模型对桩的轴向极限承载力进行计算的思路,能够有效地预测桩的轴向极限承载力.根据BP神经网络算法具有较强的非线性映射能力和学习功能的特点,通过对影响单桩极限承载力因素的分析,依据静力触探资料建立了基于BP神经网络的单桩轴向极限承载力预测模型.通过利用API RP2A方法分析成果对该模型进行学习训练和预测检验,证明了预测模型性能良好、具有较高的精度和收敛速度快等特点,验证了神经网络方法的可行性,预测结果能够指导桩基础设计,缩短周期.因而具有较大的工程实用价值.     

神经网络在珠江口风暴潮预报中的应用

当风暴潮沿河道上溯时,处于珠江口地区的灯笼山测站和黄埔测站的水位之间存在着非线性响应关系。文章利用BP人工神经网络,建立了两测站台风暴潮和天文潮的综合增水效应预报模型,对9903、9908和9910号台风期间黄埔站的综合增水进行了预报,并针对不同预报时段对计算结果和潮位极值的准确程度进行了相应的讨论。结果表明,该方法的预报精度较高。最后通过与纯风暴增水模型的对比,说明了综合增水模型的优越性。     

BP神经网络精度估计及其在海洋油气资源预测中的应用

在对BP算法进行深入分析的基础上,将测量数据处理与误差理论中的精度评定方法应用到BP神经网络的精度估计中,通过分别计算BP神经网络学习训练过程及预测过程的输出层中误差,实现对神经网络模型的精度评定。最后以海洋油气资源预测为例,结合实测资料建立了BP神经网络预测模型并分别进行了学习训练过程及预测过程的精度评定,以期为神经网络模型结构的优化设计提供有效参考,为提高神经网络模型的适用性提供科学依据。     

基于KPCA-RBF模型的风暴潮灾害经济损失预测

作为破坏性最强的海洋灾害,风暴潮灾害每年都给我国沿海地区造成了巨大的经济损失,运用科学的方法模型合理预测风暴潮灾害经济损失对指导沿海地区的防灾减灾工作意义深远。本文基于风暴潮灾害的成灾特点建立了风暴潮灾害直接经济损失预评估指标体系,由于评估指标数据高度非线性,采用核主成分分析（KPCA）对高维非线性数据进行降维优化,并利用径向基函数（RBF）神经网络对降维后的数据进行训练,从而实现对风暴潮灾害直接经济损失的预测。选取广东省1996—2018年的32个风暴潮灾害损失样本对模型进行仿真测试,结果表明,KPCA-RBF预测模型集成了核主成分分析和径向基函数神经网络的优势,预测结果精度高,学习收敛速度快,对风暴潮灾害数据序列有较好的非线性拟合能力。     

基于LSTM的海洋表面短期风速预测研究

为实现对海面风速精确的短期预测,提出了一种基于长短期记忆(LSTM,longshort-termmemory)神经网络的短期风速预测模型,选取OceanSITES数据库中单个浮标站点采集的风速历史数据作为模型输入,经过训练设置最佳参数等步骤,实现了以LSTM方法,对该站点所在海区海面风速在各季节性代表月份海面风速的24 h短期预测。同时通过不同预测时长的实验以及与BP(back propagation)神经网络神经网络和径向基函数神经网络(radialbasisfunctionneuralnetwork,RBF)的预测效果对比实验,证明了LSTM预测方法相比上述两种神经网络预测方法,在海表面风速预测应用中的优越性。最后通过多个海域对应的站点风速数据预测实验,证明了LSTM神经网络模型的普遍适用性,由相关系数和预测误差的分析可知该方法具备应对急剧变化数据的预测稳定性,可以作为海洋表面风速短期预测的一种可靠方法。     

海洋环境中平台钢腐蚀速率的三层BP 神经网络预测

利用三层BP神经网络预测海洋环境因素对材料的腐蚀速率的影响。结合实测的pH值、温度、溶解氧、盐度、生物附着等影响因素,分析了上述环境因素对平台钢腐蚀的影响,建立环境因素与腐蚀速率之间的映射关系,预测了平台钢在海洋环境中的腐蚀速率。结果表明,全浸区腐蚀速率预测误差为6.95%,潮差带腐蚀速率预测误差为4.2%,预测精度较高。说明利用三层BP神经网络预测钢在海水中腐蚀速率技术可行,具有较高的预测精度和应用价值。