深度学习的BP神经网络在GNSS水准拟合中的应用

针对误差逆向传播BP (back propagation)神经网络在GNSS水准拟合中存在梯度消失、陷于局部最小点的问题,通过使用深度学习中的分段线性整流函数Relu(rectified linear units)作为神经元激活函数,自适应矩估计Adam (adaptive moment estimation)算法作为网络优化函数,提出了一种基于深度学习的BP神经网络模型。研究结果表明:改进后的BP神经网络内外符合精度分别提高近50%和25%,可达0.9 cm和2.4 cm,为GNSS水准拟合提供了新的思路。     

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。     

一种多层神经网络的学习算法

提出一种基于序贯预测误差方法（ＳＰＥ）的多层神经网络（ＭＮＮ）的学习算法。经模拟计算，它比传统的基于最陡下降方法的误差反传（ＳＤＢＥＰ）算法具有更好的收敛性能。并对这两种算法进行了模拟计算的比较．     

基于决策树与二分分割算法的BP神经网络在赤潮等级预测中的应用研究

针对赤潮灾害等级预测难的现状,提出了一种基于C4.5决策树与二分分割算法优化的BP(反向传播)神经网络赤潮等级预测模型。该模型针对传统BP神经网络输入参数难以选择和隐含层节点数量难以确定的问题,通过决策树分类获取最优的属性组合,来解决输入参数难以选择的问题;通过"二分分割算法",来解决隐含层节点数难以确定的问题。实验结果表明,该模型在青岛近海海域赤潮灾害等级预测中,预测结果的均方根误差(RMSE)小于传统BP神经网络的预测误差,并且在网络训练时间上有所缩短,预测精度上有所提高,能够获得良好的预测结果,可为赤潮等级预测提供新的解决方法。     

神经网络BP算法在GPS高程转换中粗差探测的尝试

引入神经网络的BP算法中稳定、收敛速度快的Levenberg—Marquardt算法,进行GPS高程转换中的粗差探测,提出了LM粗差探测法。通过实验做出分析比较,得出了实用可行的计算方法。     

新的组合激活函数BP网络模型研究

作者提出了一种新的 BP神经网络模型 ,其隐层激活函数采用中心参数可调的 Gaussian函数 ,输出层采用斜度可调的 Sigmoid函数 ,从而神经元具有了更强的信息存储、处理能力。由于采用组合函数 ,将 Gaussian函数良好的局部性和 Sigmoid函数良好的全局性相结合 ,提高了神经网络的收敛速度。几个典型实验的结果表明 ,与传统 BP网络模型相比 ,新网络模型在学习能力和泛化推广能力方面都有明显提高     

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。     

基于人工神经网络的海水漫射衰减系数的遥感反演方法

利用NOMAD数据集建立了基于人工神经网络的漫射衰减系数Kd490的反演算法。该人工神经网络是3层的反向传输神经网络。其结构为输入层有4个节点,它们分别对应4个波段443,490,555,665 nm的遥感反射比,隐含层有10个节点,输出层1个节点对应于漫衰减系数Kd490。利用另一独立的现场测量数据集(COASTLOOC)印证该反演算法的性能。结果表明,该研究建立的反演算法的性能明显好于业务化SeaWiFS算法,略好于Lee等人的半分析算法。     

基于自适应BP网络的涌潮波速计算模型

运用BP网络附加动量法和自适应学习速率法，建立神经网络模型，模拟计算涌潮波速。根据部分试验数据对网络进行训练，确定相关参数，建立涌潮波速计算模型，同时利用其余部分试验数据对模型进行检验，模拟结果与试验数据吻合较好，相关程度高，表明神经网络模型用于计算涌潮波速是合适的。     

基于模糊神经网络理论对水下拖曳体进行深度轨迹控制

以华南理工大学开发的自主稳定可控制水下拖曳体为研究对象,首先通过水下拖曳体在拖曳水池样机中的试验取得试验数据后作为训练样本,采用LM BP算法,建立基于神经网络理论构建的可控制水下拖曳体轨迹与姿态水动力的数值模型。在此基础上设计了一个控制系统,它主要由两部分组成:基于遗传算法的神经网络辨识器和基于模拟退火改进的遗传算法的模糊神经网络控制器。以满足预先设定的拖曳体水下监测轨迹要求为控制依据,由控制系统确定为达到所要求的运动轨迹而应采用的迫沉水翼转角,以此作为输入参数,通过LM BP神经网络模型的模拟计算预报在这一操纵动作控制下的拖曳体所表现的轨迹与姿态特征。数值模拟计算结果表明:该系统的设计达到了所要求的目的;借助这一系统,可以有效地实现对拖曳体的深度轨迹控制。     

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。     

Modeling of Multi-Freedom Ship Motions in Irregular Waves with Fuzzy Neural Networks

1 .IntroductionAshiptravelingatseaundergoesundesirablewave inducedmotions ,namely ,surge ,sway ,heav ing ,rolling ,pitchingandyaw .Thesemotionsoftencauseproblemstothecrew ,theonboardequip mentand ,intheworstcase ,thesafetyofthevessel.Tominimizethewave inducedshipmotions ,controlsystemsmaybeapplied .Theaccuratemodelingofshipmotionsisthereforeveryimportantforshipdesignanddesignofmotioncontrolsystems .Manyresearchershavedevelopedshipmotionpredictionmethodsbasedonthepotentialflowtheo ries (Dong ,…     

利用AMSR-E卫星数据反演蒸发波导高度的BP神经网络方法

主要结合P-J模式和全通道AMSR-E卫星数据,利用两种BP神经网络方法对热带海区蒸发波导高度进行了反演研究。(1)利用BP神经网络反演得到的气象参数通过P-J模式计算蒸发高度;(2)利用卫星AMSR-E数据直接反演蒸发波导高度。两种方法得到的与浮标实测参数计算得到的蒸发波导高度之间的相关系数相当,都为0.82左右,均方根差后者比前者小,分别为2.64m和1.89m。利用后一种网络直接反演了南海地区的蒸发波导高度,平均结果与其他文献结果基本一致。     

A Novel Control Algorithm for Interaction Between Surface Waves and A Permeable Floating Structure

An analytical solution is undertaken to describe the wave-induced flow field and the surge motion of a permeable platform structure with fuzzy controllers in an oceanic environment. In the design procedure of the controller, a parallel distributed compensation (PDC) scheme is utilized to construct a global fuzzy logic controller by blending all local state feedback controllers. A stability analysis is carried out for a real structure system by using Lyapunov method. The corresponding boundary value problems are then incorporated into scattering and radiation problems. They are analytically solved, based on separation of variables, to obtain series solutions in terms of the harmonic incident wave motion and surge motion. The dependence of the wave-induced flow field and its resonant frequency on wave characteristics and structure properties including platform width, thickness and mass has been thus drawn with a parametric approach. From which mathematical models are applied for the wave-induced displacement of the surge motion. A nonlinearly inverted pendulum system is employed to demonstrate that the controller tuned by swarm intelligence method can not only stabilize the nonlinear system, but has the robustness against external disturbance.