基于深度学习的高分四号卫星图像超分辨率重建

针对高分四号卫星图像中波红外谱段空间分辨率远低于相应的可见光近红外谱段,提出一种基于深度学习的高分四号卫星图像中波红外谱段超分辨率重建方法。首先,设计卷积回归网络进行初步重建,利用8倍下采样的可见光近红外谱段和原始中波红外谱段训练回归网络。然后,设计卷积重建网络进行进一步重建,利用低分辨率初步重建结果和原始中波红外谱段训练重建网络。最后,将原始可见光近红外谱段依次输入到训练好的回归网络和重建网络,得到最终的中波红外谱段超分辨率重建结果。以湖北和江西部分地区真实数据进行试验,结果表明该方法能有效提高中波红外谱段空间分辨率,与其他方法对比均方根误差至少下降了7.54,且目视效果更清晰自然,有利于扩展高分四号卫星的应用范围。     

基于Sentinel-1A的全球有效波高的反演研究

本文利用神经网络的技术手段,针对Sentinel-1A二级波模式数据提出一种用于海浪有效波高(Hs)反演的模型——N_N模型。该模型在基于ERS2 SAR波模数据开发的双参数模型的基础上,加入经度、纬度、方位向截断波长(λ_c)、图像偏斜(skewness,skew)、图像峰度(kurtosis,kurt)、卫星平台距目标物的距离与卫星飞行速度之比(β)等其他参数信息,根据不同输入参数的组合,建立了14个模型用于Hs反演,旨在分析各参数对有效波高反演的影响。通过分析表明,14个N_N模型相关系数都在0.8以上。随着λ_c、β参数的加入,N_N模型性能均大幅上升,且λ_c参数对模型性能的改善作用更加明显,相关系数提升0.06左右,均方根误差(Root Mean Squared Error,RMSE)下降0.12m左右。另外,skew与kurt的加入也使N_N模型性能有所改善,RMSE下降0.03m左右,相关系数提升0.01左右。其中,N_N10模型效果最佳且性能最稳定,与欧洲中程天气预测中心(the European Centre for Medium-Range Weather Forecasts,ECMWF)数据对比,相关系数(CORR)达到0.905,散射指数(Scattering Index,SI)与RMSE最低,分别为18.74%、0.502m,与独立测量的浮标数据的相关系数达到了0.894。     

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。     

基于机械学习理论的海冰风险短期预报研究

海冰管理是抵御寒区海洋资源开发海冰威胁的有效手段,海冰风险的准确、快速预测是海冰管理系统的关键组成部分。文中面向海冰管理中的冰情短时预测需求,明确了基于现场监测的海冰风险预测模式,开展了应用机械学习理论的海冰风险短时预测方法研究,并以渤海辽东湾海冰管理为例,讨论了神经网络与小波分解等非线性预测方法在冰情短时预测中的适用性。结果表明,时间序列小波神经网络在短时(6 h)冰厚预测中的预测精度与Elman神经网络相仿,而在24~48 h预测中的精度偏差较大;Elman神经网络在6 h、24 h与48 h的冰厚预测中均能保持较好的预测精度,在冰流速与来冰方向预测中,模型预测精度达到80%左右。     

Estimation of Tsunami Run-up Height by Three Artificial Neural Network Methods

Tsunami run-up height is a significant parameter for dimemsions of coastal structures.In the present study,tsunami run-up heights are estimated by three different Artificial Neural Network (ANN) models,i.e.Feed Forward Back Propagation (FFBP),Radial Basis Functions (RBF) and Generalized Regression Neural Network (GRNN).As the input for the ANN configuration,the wave height (H) values are employed.It is shown that the tsunami run-up height values are closely approximated with all of the applied ANN methods.The ANN estimations are slightly superior to those of the empirical equation.It can he seen that the ANN applications are especially significant in the absence of adequate number of laboratory experiments.The restdts also prove that the available experiment data set can he extended with ANN simulations.This may be helpful to decrease the burden of the experimental studies and to supply results for comparisons.     

径向基函数神经网络在计算天然气水合物饱和度中的应用研究

天然气水合物饱和度的计算通常采用阿尔奇公式、双水模型、Wood 方程等方法,这些方法均基于孔隙度的求取,并需要配合岩心分析来获得公式中的有关参数,存在误差传递导致结果不正确的问题.由于天然气水合物是以固态形式赋存于地层当中,因此研究适用于含天然气水合物储层的评价模型也是解决准确评价天然气水合物储层需考虑的因素.针对沿用油气测井评价方法计算天然气水合物的孔隙度和饱和度中存在的问题,采用径向基函数作为人工神经网络,计算了我国首次采获水合物样品的神狐海域某井天然气水合物的饱和度,以其中一口井的分析数据为样本训练并建立径向基函数神经网络,有效地求出了另一口井的天然气水合物饱和度,其结果与现场孔隙水分析的饱和度基本吻合.避开了天然气水合物饱和度的模型建立及参数求取难题.     

遗传神经网络在海水水质综合评价的应用

在简要介绍BP神经网络和遗传算法基本理论的基础上,针对BP算法易陷入局部极小的缺点,将具有全局寻优的特点的遗传算法融入其中,以胶州湾东北部海域的海水水质评价为例,阐明了该方法在海水水质评价中的应用,并与其他水质评价算法进行的比较,结果表明该算法具有较好的客观性和实用性,丰富了海水水质评价的方法体系,为近岸海域的环境管理与决策的提供依据.     

基于神经网络的SPOT数据模拟真彩色非线性方法研究

在总结现有真彩色模拟方法的基础上,提出了一种基于神经网络非线性逼近机制的真彩色模拟方法.该方法充分利用神经网络强大的学习能力,建立波段之间复杂的非线性映射关系.在具体实现上,首先通过对具有真彩色波段TM/ETM+数据的学习训练,得到各个网络节点的权重参数; 然后将该组权重参数应用到SPOT影像,模拟出蓝光波段,实现SPOT真彩色合成.在新疆伊犁地区林地调查应用结果表明,非线性方法要明显优于传统的真彩色模拟方法.     

SA算法优化BP神经网络应用于GPS高程拟合

BP神经网络算法用于高程拟合有训练速度慢和易于陷入局部最小值的缺点,基于BP算法学习特点,模拟退火算法（SA）在局部极小处的概率突变性,本文作者有效结合BP和SA算法,提出一种SA优化BP神经网络算法的BPSA混合学习策略,并以实例验证了该算法的有效性。