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。     

LabVIEW设计中压力传感器的RBF神经网络温度补偿

在石油平台注水压力监测系统设计中 ,采用LabVIEW虚拟仪器平台 ,嵌入逼近能力强和收敛速度快的RBF神经网络 ,以人工环境实验数据为样本进行训练 ,实现了压力传感器的智能网络温度补偿。结果显示 ,此方法能够在压力、温度变化较大的恶劣环境下 ,获得很高的补偿精度。     

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.     

基于最小二乘与径向基函数神经网络的海平面变化预测

在对海平面变化规律进行深入分析的基础上,应用最小二乘神经网络组合模型对海平面变化趋势进行预测;对卫星测高海平面异常序列中的周期项及线性趋势项利用最小二乘模型进行拟合,残差部分则采用径向基函数神经网络模型进行预测。对中国近海海域卫星测高海平面异常序列的预测表明,连续1个月的预测精度为0.52 cm, 3个月的预测精度为0.65 cm,证明了该组合模型在海平面变化短期预测方面的可靠性,其在海平面变化预测领域具有较高的应用价值。     

基于RBF神经网络的多系统钟差预报算法

针对海上条件下,对于实时定位应用,实时数据流无法下载的情况,文中提出一种基于RBF神经网络的卫星钟差预报算法,给出基函数的中心、方差以及隐含层到输出层的权值的计算方法,采用滑动窗口的方法,用样本数据训练后的网络预测下一个历元的钟差值,依次往后训练网络直到预测完整个时间段,通过实验验证了算法的可用性。短期预报中,GPS预报精度在1 ns以下,BDS和GLONASS在2～3 ns左右;长期预报中,GPS预报精度在几十纳秒左右,而BDS和GLONASS在几百纳秒左右,文中给出了相应的结果分析。     

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。     

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。     

基于快速数字锁相的溶解氧检测优化设计

溶解氧浓度检测在水产养殖和环境监测中具有重要的意义。本文提出了一种基于快速数字锁相的溶解氧检测优化设计,利用快速数字锁相算法与过采样技术,实现了荧光信号和调制信号的快速相位解调,并得到二者相位差,根据Stern-Volmer方程求出溶解氧浓度值。本文分析了调制频率对测量结果的影响,选择合适的调制频率用于测量,并利用最小二乘法对测量结果进行拟合,拟合后的确定系数R-square为0.999 25。实验数据表明,测量结果相对误差（RE）小于±1.5%,相对标准差（RSD）小于4%,稳定时间小于50 s。本文提出的优化设计不仅具有较高的测量精度,还简化了硬件设计,降低了成本。     

基于最小二乘法的超短基线水声定位系统校准方法

超短基线水声定位系统是海洋工程及水下无人系统中应用较广泛的精密仪器设备,为了提高对水下目标的定位精度,在使用前需对其进行校准。描述了一种基于最小二乘法迭代修正的超短基线水声定位系统校准方法,该方法以最小二乘法为基本原理,通过多次迭代修正的方式,修正基阵与GPS天线之间的平移偏差以及基阵与罗经之间的旋转偏差,从而提高系统的测量精度,最终通过湖上试验验证了该方法的有效性。     

赋双平滑参数的广义补偿最小二乘估计

基于补偿最小二乘法思想,研究推导了半参数模型解算的极小化过程中,在残差和补偿项均赋予平滑参数的广义补偿最小二乘估计解的形式及其均方误差计算公式;模拟算例表明:在这种规则下,不仅可以克服病态性对半参数模型解的影响,而且也可以正确分离系统误差。新规则下,要求赋予的两个平滑参数之和等于1,各平滑参数严格限定在区间(0,1],从而使平滑参数的选择范围得到大幅缩小,为本法的应用提供了有利条件。     

基于空气介质的光学溶解氧传感器便捷校准方法研究

基于荧光猝灭原理的光学溶解氧传感器可获得海水溶解氧时空数据,被广泛应用于海洋环境长期监测,但因其在贮存期间和布放期间会发生"贮存漂移"和"测量漂移",需要进行校准.现有的实验室校准方法周期长、操作复杂.本文研究了光学溶解氧传感器在空气和水体两种不同介质中的响应特性,提出一种利用空气介质的光学溶解氧传感器现场校准方法,并...     

基于荧光猝灭溶解氧传感器的校准方法研究

溶解氧是海洋水质监测的常规关键参数,基于荧光猝灭原理研制的溶解氧传感器具有准确度高、稳定性好和可长期在线测量等优点,已经被广泛用于海水溶解氧浓度监测.针对传感器可能发生的数据漂移和显著偏差可能造成的准确度问题,本文设计了一套专门的校准装置和校准方法.通过严格控制校准水体的温度和溶解氧浓度,测量待校准传感器和参比传感器的...     

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.     

RBF网络和BP网络在海水盐度建模中的比较研究

介绍了RBF神经网络模型结构、特点及原理,并针对海水盐度参数具有受诸多因素影响的复杂的非线性输入输出特性,训练并建立了海水盐度的RBF(Radial Basis Function)神经网络模型,为海水盐度的预测提供了一种新的方法.与BP神经网络模型相比.该模型具有收敛速度快,精度高的优点.比较结果表明,该方法在海水盐度...     

基于神经网络模型的湛江湾水体有色溶解有机物的遥感估算

有色溶解有机物(Colored Dissolved Organic Matter, CDOM)是水体中重要的水质参数之一,是水色遥感的重要研究对象,如何构建适合特定区域的近海二类水体CDOM反演模型一直是国内外研究难点。本文利用2017年5月26～29日对南海西北部海域湛江湾20个站位采集的水样和测量的光谱资料,分析归一化遥感反射率与CDOM浓度a_g(400)的相关性,发现最大负相关系数出现在586nm处,选择580、585、590、595nm这四个波段处的归一化遥感反射率与a_g(400)建立了多元线性回归模型、BP(Back-Propagation)神经网络模型和RBF(Radial-Basis Function)神经网络模型,并与其他算法模型进行对比分析。结果发现, BP和RBF神经网络模型的平均相对误差和均方根误差均远小于多元线性回归模型和其他算法模型,神经网络模型的预测值与实测值拟合效果要优于多元线性回归模型。研究表明,神经网络模型更适合于湛江湾有色溶解有机物的遥感估算。     

基于神经网络的潮汐预报方法初探

文章运用非调和法,直接从引起潮汐现象的天文因素入手,以2002年香港验潮站实测资料为例,用神经网络对潮汐知识进行了学习仿真,对未知结果进行了预报。将预报结果和潮汐表比较,结果表明,此方法可行,预报精度比潮汐表略有提高。     

基于图相似性匹配的海水溶解氧辅助评价方法

海水溶解氧评价的正确性对于维护海洋生态系统的稳定性具有重要意义。海水溶解氧数据属于非线性时间序列,可视图方法(时间序列转化为图)是分析这类数据较有效的方法,但仍存在未同时考虑数据的时间演变特性以及变量间相互影响的问题。针对现存问题,本研究提出基于图相似性匹配的海水溶解氧辅助评价方法。首先,同时考虑海温、盐度对海水溶解氧的影响以及数据的不可逆性,提出溶氧温盐-转移概率(dissolved oxygen temperature salinity-transition probability, DOTS-TP)有向可视图方法,实现了多变量时间序列到单变量溶解氧图的转化;然后,在将墨西哥湾溶解氧图作为评价参照的基础上,综合利用图的多层次信息,提出子图节点全局(subtree node global, SNG)图相似性匹配方法,通过计算SNG评价指数实现对海水溶解氧的辅助评价。实验结果表明DOTS-TP有向可视图方法能更准确地表达海水溶解氧信息,SNG图相似性匹配方法适用于所有海水溶解氧数据,并能得出正确的辅助评价结果。     

基于双隐层ANN模型的叶绿素a浓度智能预报方法

利用2019年5月WZ02生态浮标监测数据,建立了两种不同隐层人工神经网络(ANN)模型的叶绿素a(Chl-a)智能预报方法,并对单隐层和双隐层模型的预测结果做了对比.结果表明:双隐层结构预测结果精度更高,泛化能力更强,一定程度上说明了深层学习比浅层学习对信息的主要特征提取能力更有优势.同时,对数据样本集合进行了系统预...