基于Newton法优化ARMA模型参数的船舶升沉运动预测研究

为解决波浪补偿系统中时延现象导致的控制性能下降问题,通过建立Newton-ARMA模型提前预测船舶升沉运动来消除时延现象。首先设计卡尔曼滤波器对船舶升沉运动加速度信号进行降噪滤波处理;然后使用加速度二次积分模块将加速度信号转换为位移信号;最后建立自回归滑动平均(ARMA)模型,并使用牛顿(Newton)法对模型参数进行优化,得到船舶升沉运动的Newton-ARMA预测模型。仿真结果表明,Newton-ARMA模型对船舶升沉运动的预测时间可达10 s,预测误差随着预测时间的增加而增大; Newton-ARMA模型对二级海况、三级海况和四级海况下的船舶升沉运动平均预测精度分别达到89.43%、88.53%以及87.78%,远高于ARMA模型对船舶升沉运动预测的精度,说明采用Newton法优化ARMA模型参数可以显著提高船舶升沉运动的预测精度,也即Newton-ARMA模型对控制波浪补偿系统时延具有较好的补偿效果。     

全姿态水下移动平台模式切换姿态控制研究

为了适应复杂海洋环境中多样性的观探测任务需求,本文提出了一种融合Argo浮标、水下滑翔机（Glider）和自治式水下机器人（Autonomous Underwater Vehicle,AUV） 3种工作模式的全姿态水下移动平台（All-attitude Multimode Underwater Vehicle,AMUV）。首先,基于3种水下移动平台的工作原理,建立了AMUV的六自由度动力学模型;然后,针对动力学模型中的非线性耦合特性及模式切换过程中的驱动位形变化等问题,基于比例、积分、微分控制器（Proportional Integral Derivative,PID）与模糊控制概念,设计了不依赖于数学模型的自适应模糊PID姿态控制器,实现了AMUV多模式切换过程中的姿态控制;最后,开展多模式切换控制仿真实验,将自适应模糊PID控制器与传统PID控制器仿真结果进行对比,并设计了全模式任务工况,仿真结果表明,本文提出的控制器能够精确和稳定地控制AMUV进行多种工作模式的相互切换。     

卫星钟差稀疏自回归预报模型的研究

精密卫星时钟产品是进行高精度定位应用的重要基础,不断提高卫星时钟误差的预测精度是十分必要的。使用具有周期项的多项式预报模型对卫星钟差中的系统确定性误差进行预测,已广泛应用于精密单点定位技术。此模型在进行卫星钟差预报时,无法对时钟的随机性误差进行预测。使用稀疏化理论对自回归模型参数进行稀疏,降低模型非必要参数的影响,修正模型预报误差。结果表明:该方法能够有效提高卫星钟差短期预报的精度。     

COD浓度非线性检验与预测

采用 BDS、Box-Pierce 和 Ljung-Box 方法对 1995-2005 年渤海化学耗氧量(COD) 浓度历史监测数据的独立性进行了检验,采用代替数据检验 IAAFT、White 和 Terasvirta 人工神经网络弱非线性检验、Hinich 双谱检验以及无 Fourier 变换检验进行了相关性的非线性检验,判断出渤海 COD 不独立且线性相关.综合比较线性 ARMA、局部线性、规则集成、随机森林、随机梯度Boosting、支持向量、人工神经网络、自适应样条 8 种预测方法,结果表明线性 ARMA 模型误差均值和方差最小,证明线性 ARMA模型更适合分析渤海 COD 数据,同时证实了前述各种非线性检验结果的可靠性.     

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。     

磁罗盘误差校准方法及其在海洋领域的应用

针对磁罗盘自身误差以及载体平台磁干扰导致磁罗盘测量精度不高的问题,提出了一种磁罗盘误差校准方法。通过对磁罗盘自身误差以及载体平台磁干扰产生的误差进行分析,建立了误差校准模型,并结合实际应用条件给出了磁罗盘平面校准方法和空间校准方法,采用最小二乘回归算法对模型求解,解决了磁罗盘现场校准问题。利用所研制的磁罗盘开展了施加磁干扰后的磁罗盘校准验证实验,并对校准前后的方位角精度进行了测试。试验结果表明：在施加磁干扰后方位角最大误差 12°的条件下,利用该方法校准后方位角最大误差仅为 0.2°, 说明了该方法的有效性。最后,介绍了磁罗盘在海洋领域常见的几种应用。     

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GM(1,1)模型的海洋经济发展预测研究

文章采用灰色预测法,选取2001—2016年我国海洋生产总值作为基础数据,建立海洋经济发展预测模型即GM(1,1)模型;运用残差检验、关联度检验和后验差检验对该模型精度进行检验,同时运用该模型对已知年份数据进行预测并将预测值与实际值相比较,结果表明模型预测精度较高,对于短期预测具有可信度;在此基础上,运用GM(1,1)模型计算和预测2017—2021年我国海洋生产总值,得出我国海洋经济将保持稳步增长的结论。     

Spark平台下的海表面温度并行预测算法

面对海量的海表面温度数据,如何使用大数据处理平台和新的处理技术来实时处理、分析并预测海表面温度数据,是一个亟待解决的问题。本文基于现阶段的时间序列方法和专家意见,首先,将类比合成方法引入到海表面温度预测应用中;其次,基于Spark平台提出了一种改进的快速DTW算法SparkDTW;最后,为了充分利用通过时间序列挖掘得到的信息,将SparkDTW与SVM相结合,提出了SparkDTW+SVM混合模型,为海表面温度预测的应用研究提供了较好的理论基础和技术支持。实验结果表明,SparkDTW算法预测精度优于SVM,提高了海表面温度预测效率,验证了将类比合成方法应用在海表面温度预测的可行性;SparkDTW+SVM在精度方面要优于SparkDTW和SVM,表明SVM模型能充分利用时间序列挖掘的信息,验证了SparkDTW+SVM在海表面温度预测的有效性。     

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。     

GM(1,1)灰色模型改进及其应用

就GM(1,1)模型定解条件的选取问题做了一定的探讨。GM(1,1)模型传统算法认为最小二乘拟合曲线通过第一点,该方法存在一定的不足之处。提出使拟合曲线通过最新点的方法进行预测的改进方法,并且用MATLAB编程语言实现了改进灰色模型的预测程序。将提出的改进方法应用到变形预测中,并且将预测结果与传统模型得到的预测结果进行比较,结果表明提出的改进模型具有较好的实用性和参考价值。     

基于粒子群优化自抗扰控制的舵系统研究

舰载诱饵干扰弹作为重要的防御性武器,其舵系统对保证飞行控制系统的动态品质和飞行安全具有核心作用。传统的 PID 控制算法在抗干扰能力和快速响应能力方面存在局限性。为此引入粒子群优化技术并集成自抗扰和智能算法的优势,以改进自抗扰控制算法,提高舵系统的抗干扰能力和稳定性。针对自抗扰控制存在的离线调节问题,提出使用粒子群智能算法在线优化舵系统控制器的参数,以适应环境变化及时调整,解决控制性能受限问题。系统的仿真实验结果显示,与传统的 PID 算法和 ADRC 算法相比,基于粒子群优化的自抗扰控制方法在舵系统位置环控制中拥有更优的性能。     

基于VMD和WinLSP相结合的GNSS-R海平面高度估测模型

全球导航卫星系统反射（Global Navigation Satellite System-Reflectometry,GNSS-R）技术是一种新兴的监测海平面高度变化的技术。本文依据GNSS-R技术中的信噪比分析法的原理,通过分析其分离趋势项和提取振荡频率的过程,建立了新的估测模型以提高反演精度。针对传统模型存在的信号分离不佳的问题,本文提出使用变分模态分解（Variational Mode Decomposition,VMD）算法替换传统的最小二乘拟合法（Least Squares Fitting, LSF）进行趋势项分量的分离。在此基础上,本文引入基于凯塞窗函数改进的LSP(Lomb-Scargle Periodogram)频谱分析法（记为WinLSP）来减弱因频谱泄露带来的反演误差。在瑞典翁萨拉的GTGU站和美国阿拉斯加州的SC02站开展的海平面高度反演实验结果表明,本文建立的估测模型相比于传统模型具有更高的反演精度。基于VMD+WinLSP估测模型得到的GTGU站反演结果的均方根误差（RMSE）、相关系数和反演点数分别为4.70 cm、0.98和5 647。与传统的LSF+L...     

海洋平均重力异常计算与精度估计

本文将海洋平均重力异常计算分为两个阶段,即首先由实测重力测量点值变换为5′×5′网格值;在此基础上,求5′×5′点值的平均值作为30′×30′或1°×1°分块的平均重力异常。根据海洋重力测量的特点,本文提出一种简便实用的重力异常推值方法——方位距离加权中数法。同时对传统的使用代表误差作平均重力异常精度估计方法进行了改进,提出直接使用重力异常变化梯度作为衡量平均重力异常计算精度高低的尺度,并运用OSU91A模型成功地建立起重力异常变化梯度与平均重力异常计算精度的相关关系,通过此关系可对海洋平均重力异常计算精度作出比较可靠的估计。     

基于随机森林的复坡堤越浪量预测研究

针对复坡堤越浪量的计算问题,提出了采用随机森林算法预测越浪量的方法。首先,通过对欧洲CLASH数据集进行筛选,挑选出符合复坡堤越浪量预测的数据;其次,对数据做无量纲化处理,建立以随机森林为基础的复坡堤越浪量预测模型,并通过网格搜索(GridSearchCV)方法对模型进行调参以改善模型的性能;最后,利用决定系数R~2来评估模型的精度,并将随机森林模型与集成神经网络模型做了预测能力的对比,同时还给出了随机森林模型各个特征参数对预测精度的重要性。结果显示,随机森林模型的决定系数为92.7%,集成神经网络模型的决定系数为87.7%,表明随机森林模型对越浪量具有更强的学习和预测能力。通过对特征重要性的分析,墙顶高程对模型预测精度的影响最大,堤顶高程次之,堤脚宽度影响最小。     

顾及海底地形变化的狄洛尼三角网构建

数字水深模型是对海底表面形态的数字化表达,传统的网格数字水深模型存在不能根据海区水深变化情况自动调节内插水深间隔的不足,提出了以深度极限误差作为判断标准,顾及海底地形变化的补深补浅方法,并在此基础上构建了相应的狄洛尼三角网。 实验证明:与传统的最浅点抽稀规则格网方法相比,所提方法更能合理的反映出海底地形的实际变化情况,并明显改善 DDM 精度。     

江苏盐城滨海湿地净生态系统碳交换量模拟参数选择

滨海湿地净生态系统碳交换量受到多种环境因素的影响，在进行滨海湿地净碳交换量估算建模时，参数的选择至关重要，如何合理地选择输入参数不仅对于估算结果的精度有影响，同时也会影响预测模型的适用性。本研究使用了Pearson、Spearman、距离相关系数、最大互信息相关系数4种相关系数来计算各个环境因素与净碳交换量之间的相关性，基于相关系数来选择最佳的输入参数组合。利用实际测得的江苏盐城盐沼湿地数据，依次选择各个相关性中最高的8个参数组合，基于卷积神经网络对江苏盐城滨海湿地NEE进行建模，得到了4个预测模型，并使用均方根误差和平均绝对值误差来进行模型精度的验证。研究表明，使用基于最大互信息系数得到的参数组合进行滨海湿地NEE建模时模型的精度最好，误差最小；净光合有效辐射，净辐射，地表辐射与NEE在4个相关系数中都属于强相关，表明这一类辐射类参数对滨海湿地NEE的影响要大于其他参数；各参数与NEE之间的关系既包含线性关系也包含非线性关系，传统的单一线性分析手段无法完整准确地反应各个环境参数与NEE之间的响应关系；基于卷积神经网络的滨海湿地NEE预测模型在精度上要优于其它同类型模型，这表明使用该模...     

长短期记忆神经网络在叶绿素a浓度预测中的应用

针对传统人工神经网络对叶绿素a浓度预测存在训练速度慢、收敛精度低、易陷入局部最优,尤其是无法灵活的利用任意长度的历史信息对叶绿素a浓度进行预测等问题,本文根据海洋各要素与叶绿素a浓度之间的长短期依赖程度,对叶绿素a浓度与各要素间的关系进行界定,分别将各要素与叶绿素a浓度之间的长期依赖关系与短期依赖关系分割开来,并且在长短期记忆(Long Short-Term Memory, LSTM)神经网络模型的基础上构建融合的LSTM预测模型,模型中的长期依赖关系与短期依赖关系分别使用不同的神经元,最终在模型的最上层进行长短期融合。本文选取三都澳站位的连续监测资料作为实验数据,实验结果表明本文构建的模型不仅具有训练误差下降快的优点,与其他3种经典的神经网络模型相比,预测精度也有显著提高。     

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。     

多站激光扫描点云配准算法研究

随着Li DAR的迅速发展,三维激光扫描技术已经被广泛运用于各个领域。点云数据配准过程中,传统的配准算法比较依赖特征点匹配精度,粗差点的存在会较大程度地影响配准精度和配准效率。通过对罗德里格矩阵、整体最小二乘原理的分析,提出了一种基于整体最小二乘的罗德里格矩阵算法。在该算法实现的过程中,能够考虑到系数矩阵误差,降低算法实现过程中特征点坐标误差对参数求解的影响。实验结果表明,本文算法比参数算法和严密的罗德里格算法精度更高、稳定性更强,在初始对应点坐标误差较大的情况下仍能获得精度较为稳定的变换参数。