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...     

神经网络的全局指数鲁棒稳定性

本文主要研究有限区间上具有S-型分布时滞的静态反应扩散神经网络的全局指数鲁棒稳定性问题。利用同伦不变性、拓扑度理论与Halanay不等式,得到S-型分布时滞的静态反应扩散神经网络全局指数鲁棒稳定性的充分条件及推论,改进了现有结果(本文结果包含了反应扩散项对稳定性的影响)。最后用一个例子说明了所得结果的有效性与可行性。     

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SMAP卫星雷达资料的海冰密集度反演技术研究

SMAP是美国于2015年初发射的一颗卫星,搭载了L波段的雷达。它采用圆锥扫描方式,具有固定的入射角、较大的幅宽和千米级的分辨率,在海冰监测方面具有独特的优势。本文利用SMAP卫星雷达资料分别与德国Bremen大学海冰密集度产品和美国国家冰雪数据中心（NSIDC）海冰密集度产品建立3.125 km和25 km匹配数据集,分析了L波段雷达后向散射系数、极化比和归一化极化差与海冰密集度之间相关性,建立基于人工神经网络的海冰密集度反演算法。为了验证SMAP卫星雷达资料反演海冰密集度的精度,本文选择德国Bremen大学和美国冰雪数据中心发布的海冰密集度产品分别与SMAP海冰密集度产品进行对比分析,SMAP海冰密集度与Bremen海冰密集度的偏差为0.07、均方根误差为0.14;与NSIDC海冰密集度的偏差为0.04、均方根误差为0.18,这表明SMAP海冰密集度产品与现有业务化海冰密集度产品具有很好的一致性。     

基于模糊神经网络(FNN)的赤潮预警预测研究

为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP 算法的一个四层模糊神经网络模型。将模糊神经网络(FNN)技术引入赤潮预测研究,并与普通 BP 网络、RBF 网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能。     

Integrated assessment on sea water quality based on the fuzzy neural network

根据俚岛镇海湾22个海洋观测点的水质监测数据,依据人工神经网络与模糊理论,建立模糊神经网络模型,对研究区海水水质进行了综合评价.结果表明,区域内40.91％的采样点属于Ⅰ类海水水质标准,其余为Ⅱ类海水水质.其中,水质Ⅱ类区位于临络湾与俚岛湾的半封闭海域,因该区造船业对水体造成污染且海水对流强度较弱,不利于污染物的扩散;而海水水质Ⅰ类区域靠近黄海,工业活动较少,水体对流较强,利于污染物扩散.     

BP人工神经网络在渤海湾叶绿素预测中的应用

利用误差反向传播(BP)人工神经网络模型建立了天津赤潮驴驹河赤潮监控区各种理化因子与叶绿素-a之间的映射关系.模拟结果表明,该模型能够较好的反映各种理化因子与叶绿素-a浓度之间的非线性对应关系,可间接地用于该地区的赤潮预测.     

水下滑翔器主体外形优化设计

对水下滑翔器主体外形的优化设计问题进行研究.首先,在考虑内部机械结构限制的条件下,建立了主体外形优化数学模型,并采用CFX计算了若干主体形状的绕流阻力.在此基础上建立了映射主体外形的尺寸参数与绕流阻力的BP神经网络.然后将建立的神经网络作为优化设计问题的目标函数,采用坐标轮换法对滑翔器主体外形进行了优化设计,确定了尺寸参数的最优解.     

卷积神经网络在SAR遥感海冰分类中的应用可行性分析

分别介绍了卫星遥感海冰监测、分类的传统方法,以及卷积神经网络在遥感影像分类识别中的应用成果。尝试将在图像识别、语言检测等方面取得成功的卷积神经网络算法应用在海冰图像分类中,利用其能够应对非线性、网络结构简单、可并行运算等能力去解决海冰数据分类问题。     

GA-BP神经网络在罗源湾口波浪模拟研究中的应用

由于BP神经网络存在收敛速度慢和易于陷入极小值等缺点,引入遗传算法(GA)对网络的权值和阈值加以优化,并采用不同组合的输入因子和样本数,对福建省罗源湾口的波浪进行模拟研究.对输入因子的分析结果表明,研究区域的波浪主要受台湾海峡波浪传播影响,与局地气象因子(风速、风向、海气温差)的相关性较弱.训练样本试验表明,30 d以上的波浪历史数据可使GA-BP神经网络充分学习研究区域的波浪特征,从而实现对波浪要素的高精度模拟.模拟结果显示,对春、夏季实测波浪数据的模拟效果均很好,其中相关性分别为0.967和0.938,均方根误差分别为0.112 m和0.107 m,表明GA-BP神经网络在近岸波浪模拟预报中有较广阔的应用前景.