基于PCA法的春、夏季东山湾海域富营养化特征

根据2011年5月和8月东山湾及邻近海域的调查结果,选择10个与富营养化有关的参数,包括溶解无机氮(DIN)、溶解硅酸盐(DSi)、活性磷酸盐(SRP)、总氮(TN)、总磷(TP)、化学耗氧量(COD)、溶解有机碳(DOC)、总有机碳(TOC)、叶绿素a(Chl-a)和浮游植物丰富度(d)等,应用主成分分析(PCA)法对该海域富营养化特征进行研究。主成分分析表明,主成分1(PC1)表征了有机污染、浮游植物和总磷状况;主成分2(PC2)反映了硅和氮营养水平,主成分3(PC3)体现了SRP的特点。春、夏季PC1、PC2、PC3和综合主成分(CPC)的空间分布表明漳江口和八尺门养殖区邻近海域富营养化风险较高;各主成分与盐度的相关分析表明东山湾内富营养化压力主要来自漳江,夏季有所增强;有机污染物和浮游植物可能是控制东山湾海域春、夏季富营养空间分布的主要驱动因素。     

基于空间自回归和空间聚类的渔情预报模型

作者针对远洋渔场渔情预报精度偏低的问题,提出一种基于空间自回归和空间聚类的渔情预报模型。该模型利用空间自回归对收集到的渔业历史数据进行预处理,然后通过空间聚类将所有数据样本根据地理位置分划成若干个区域,最后研究每个区域中环境数据与渔获数据之间的数学关系,各自建立栖息地适宜性指数模型(Habitat Suitability Index,HSI),并以印度洋大眼金枪鱼(Thunnus obesus)为例进行验证。结果表明,本模型的均方差为0.1742,与传统线性回归方法的均方差0.2363相比,能更好地表达海洋环境数据与渔获量之间的关系,预测精度显著提高。     

Adaptive Predictive Inverse Control of Offshore Jacket Platform Based on Rough Neural Network

The offshore jacket platform is a complex and time-varying nonlinear system,which can be excited of harmful vibration by external loads.It is difficult to obtain an ideal control performance for passive control methods or traditional active control methods based on accurate mathematic model.In this paper,an adaptive inverse control method is proposed on the basis of novel rough neural networks (RNN) to control the harmful vibration of the offshore jacket platform,and the offshore jacket platform model is established by dynamic stiffness matrix (DSM) method.Benefited from the nonlinear processing ability of the neural networks and data interpretation ability of the rough set theory,RNN is utilized to identify the predictive inverse model of the offshore jacket platform system.Then the identified model is used as the adaptive predictive inverse controller to control the harmful vibration caused by wave and wind loads,and to deal with the delay problem caused by signal transmission in the control process.The numerical results show that the constructed novel RNN has advantages such as clear structure,fast training speed and strong error-tolerance ability,and the proposed method based on RNN can effectively control the harmfid vibration of the offshore jacket platform.     

岬间海湾岸线平衡形态神经网络模型

讨论了目前海湾岸线平衡形态经验模型存在的不足之处。从沿岸输沙公式入手,阐述了平衡岸线的机理模式,重新定义了平衡海湾的“下岬角”,给出了模型参数与主波向的具体计算方法,并以华南典型海湾为学习样本,建立了岸线平衡形态的神经网络模型。通过模拟海湾与实际稳定海湾——乌场湾间的对比分析,表明所建神经网络模型是较抛物模型更为理想的平衡岸线模型。     

Robust LS-SVM regression for ore grade estimation in a seafloor hydrothermal sulphide deposit

Due to the geological complexities of ore body formation and limited borehole sampling, this paper proposes a robust weighted least square support vectormachine (LS-SVM) regression model to solve the ore grade estimation for a seafloor hydrothermal sulphide deposit in Solwara 1, which consists of a large proportion of incomplete samples without ore types and grade values. The standard LS-SVM classification model is applied to identify the ore type for each in complete sample. Then, a weighted K-nearest neighbor (WKNN) algorithm is proposed to interpolate the missing values. Prior to modeling, the particle swarm optimization (PSO) algorithm is used to obtain an appropriate splitting for the training and test data sets so as to eliminate the large discrepancies caused by randomdivision. Coupled simulated annealing (CSA) and grid search using 10-fold cross validation techniques are adopted to determine the optimal tuning parameters in the LS-SVM models. The effectiveness of the proposed model by comparing with other well-known techniques such as inverse distance weight (IDW), ordinary kriging (OK), and back propagation (BP) neural network is demonstrated. The experimental results show that the robust weighted LS-SVM outperforms the othermethods, and has strong predictive and generalization ability.     

上海沿海极大风速预报方程的建立和应用

运用统计分析方法,对上海沿海3个浮标站的逐小时的2min平均风速和极大风速进行分析,发现两种风速具有很好的线性关系。通过建立两种风速的回归方程,获得了估计极大风速的客观方程,对3个浮标站,单站一元一次回归方程都能很好得反映2 min平均风速和极大风速的关系,实测极大风速与拟合极大风速的平均绝对误差均小于1 m/s;3个浮标的拟合数据都是以正偏差为主;3个浮标拟合偏差2 m/s的样本数都在5%以下。利用WRF模式预报风速进行极大风速试报,结果表明,3个浮标实测极大风速与预报极大风速的平均绝对误差均小于2 m/s,偏差4 m/s的样本数在10%以下,TS评分均在74分以上,建立的极大风速客观预报方程的效果比较理想。     

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。     

浙江海域几种重要底层渔业生物产量与主要影响因子的关系

为了分析浙江省几种重要底层渔业生物产量的变动趋势与环境因子变动规律之间的关系,基于收集得到的2000年到2014年浙江省小黄鱼(Larimichthys polyactis)、带鱼(Trichiurus lepturus)、乌贼、贝类等水产生物的渔获量的数据,以及捕捞努力量和各类环境因子(赤潮面积、距海平面高度、海表面...     

基于神经网络的印度洋长鳍金枪鱼(Thunnus alalunga)时空分布与海洋环境关系研究

长鳍金枪鱼(Thunnusalalunga)是主要的经济性金枪鱼鱼种之一,其空间分布与环境因子存在着密切联系。利用2012—2019年印度洋长鳍金枪鱼生产数据和海洋环境数据,包括海表面温度(sea surface temperature, SST)、叶绿素浓度(chlorophyll a, chl a)和海表面盐度(sea surface salinity, SSS)构建印度洋长鳍金枪鱼时空分布神经网络模型。以空间(经度,纬度)、环境因子(SST, chl a, SSS)为解释变量,局部渔获量为因变量,变化隐含层节点数,构建了18个BP空间分布模型,并采用10×10交叉验证模型稳定性,以均方误差(meansquareerror,MSE)、平均相对方差(averagerelativevariance,ARV)以及拟合优度(R~2)作为不同模型精度与稳定性的评判标准,最终选取5-18-1(隐含层节点18)模型为最佳模型,其平均MSE值为0.02232,平均ARV值为0.511。利用最优模型预测结果与同期实际捕捞产量进行叠加对比发现两者具有一致性。环境因子敏感性分析表明海表温度显著影响印度洋长鳍金枪鱼渔场分布,其贡献率达到0.2。印度洋长鳍金枪鱼高精度BP神经网络时空分布模型为其资源的可持续开发与动态管理提供了一种新思路。     

基于WOA-LSSVM的海底沉积物物性参数建模

电阻率测量是海底沉积物工程地质勘察的主要原位观测方法之一,作为一种间接测量方法,需要建立沉积物物性参数与沉积物电阻率的回归模型。为提高建模精度,本文提出了一种基于鲸鱼算法优化的最小二乘支持向量机(Whale Optimization Algorithm-Least Squares Support Vector Machine,WOA-LSSVM)的海底沉积物物性参数与电阻率回归建模方法。该方法建立了海底沉积物电阻率与沉积物4种基本物性参数(含水率、密度、孔隙比、塑性指数)的单输入、单输出最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)回归模型,利用WOA算法对LSSVM参数进行寻优取值。对比研究了WOA算法、遗传算法(Genetic Algorithm,GA)、粒子群(Particle Swarm Optimization,PSO)算法优化的LSSVM建模结果,结果表明,基于WOA-LSSVM建立的海底沉积物物性参数与电阻率的回归模型具有更好的预测效果,均方根误差降低1.1%～14.9%,平均绝对百分比误差降低0.4%～19.9%。