海洋环境中平台钢腐蚀速率的三层BP 神经网络预测

利用三层BP神经网络预测海洋环境因素对材料的腐蚀速率的影响。结合实测的pH值、温度、溶解氧、盐度、生物附着等影响因素,分析了上述环境因素对平台钢腐蚀的影响,建立环境因素与腐蚀速率之间的映射关系,预测了平台钢在海洋环境中的腐蚀速率。结果表明,全浸区腐蚀速率预测误差为6.95%,潮差带腐蚀速率预测误差为4.2%,预测精度较高。说明利用三层BP神经网络预测钢在海水中腐蚀速率技术可行,具有较高的预测精度和应用价值。     

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。     

基于BP神经网络的摇臂式波浪发电平台取能效率预测

取能效率是衡量波浪发电装置设计合理与否的重要参考标准。文章首先介绍了摇臂式波浪发电平台,接着对BP神经网络的原理和算法进行了描述,最后以水池试验过程中收集的数据为样本数据,在Matlab平台上运用BP神经网络对实海况下摇臂式波浪发电平台的取能效率作了仿真预测。仿真结果表明：实海况下摇臂式波浪发电平台的取能效率达到了预期目标,进一步说明BP神经网络成功训练出可靠的网络,在此基础上预测的数据具有一定的参考价值。     

基于改进BP神经网络的GPS高程拟合方法

BP神经网络用于GPS高程拟合时存在收敛速度慢,受初始值选取影响大和易陷入局部极大值的问题。本文提出一种改进的BP神经网络高程拟合方法,将模拟退火算法(Simulated Annealing,SA)引入BP神经网络模型,利用模拟退火算法的全局寻优能力对BP神经网络的初始值进行选择,同时优化神经网络的各层神经元之间的连接权值和阈值,提高BP神经网络拟合法的拟合精度、收敛速度和推广泛化能力。最后结合实际算例对所提方法的拟合性能进行验证,结果表明利用模拟退火算法改进的BP神经网络进行高程拟合是可行且有效的,拟合结果优于传统BP神经网络法。     

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BP神经网络的高频地波雷达海流空间插值

高频地波雷达是海洋环境监测的重要手段,当前已经实现对海流的业务化观测,但是外部因素常引起海流空间探测的不连续性。为解决此问题,尽量保障区域数据的完整性和准确性,本文将BP神经网络技术与空间插值相结合,建立了海流的BP神经网络插值模型,并进行了针对实测数据的缺失插值仿真,通过与反距离权重法和线性插值法插值结果的对比,分析该模型在区域海流大面积缺失、流速整体较大和流速整体较小3个方面的性能。结果表明,BP神经网络插值模型的海流预测效果明显优于其他两种方法,且在流场数据大范围缺失下也取得了良好的效果。     

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。     

内蒙古牧区暴风雪风险评估研究

暴风雪天气是内蒙古草原牧区危害严重的气象灾害之一。为了更确切的了解暴风雪灾害天气的特征,分季节对暴风雪天气进行了类型,即秋末初春暴风雪天气、隆冬暴风雪天气、春末初夏湿雪冷雨型暴风雪天气;通过因子分析法、灰色关联分析对三种类型暴风雪天气进行分析,发现上述三种类型暴风雪天气都为风、雪、寒潮灾害群天气;每个季节最主要的影响因子不同,导致的灾害程度不同;因此掌握各个季节暴风雪天气的特征对预报员提高预报预警水平很有实际意义。尝试使用BP神经网络法、支持向量机对暴风雪灾害等级进行评估,通过与根据灾情评定的灾害等级对比分析,发现SVM方法的评估效果优于BP神经网络法,因此,基于数值预报产品通过SVM方法做暴风雪灾害预警产品成为可能,可为暴风雪灾害预报预警业务提供客观参考依据,能够提升预报服务效果,减少灾害损失。     

栅格DEM微地形分类的BP神经网络法

栅格DEM微地形分类是数字地形精细化应用的基础,基于规则化知识的栅格DEM微地形分类方法存在自动化程度低、分类残缺等问题。本文利用BP神经网络的优势构建了栅格DEM微地形分类的人工智能方法与实现途径。以山体部位分类为微地形分类典型样例进行试验验证与分析,试验结果表明,栅格DEM微地形分类的BP神经网络法较已有的地形因子叠加分析方法存在明显优势,不仅在流程上可避免烦琐的数据叠加分析过程,而且分类结果的完整性和错分率都得到有效改善;在山体部位分出的6种微地形中,冲积地对该方法适应性最强,准确率为100%,背坡的适应性最弱准确率为89.23%。     

BP�������ά����ģ���ڱ���ʱ��Ԥ���е�Ӧ��

???BP???????????????????????????????????????????????????????G??P??????????????????????????????????????D??h?????????????????m????????????????????????????????????????????????????BP????????????????????????????????????????????е??????????????????????????????????????????????????????????????????????t?????????????