| 基于异地潮位资料和BP神经网络的潮位推算研究 |
| |
| 引用本文： | 王盛安,龙小敏,潘文亮,周峰华,王东晓.基于异地潮位资料和BP神经网络的潮位推算研究[J].热带海洋学报,2015,34(2):1-7. |
| |
| 作者姓名： | 王盛安 龙小敏 潘文亮 周峰华 王东晓 |
| |
| 作者单位： | 热带海洋环境国家重点实验室(中国科学院南海海洋研究所), 广东 广州 510301 |
| |
| 基金项目： | 广东省科技计划项目(2011A030200005); 国家重点基础研究发展计划(“973”计划)项目(2011CB013701); 中国科学院近海海洋观测研究网络——西沙南沙海洋观测研究站建设项目(KZCX2-EW-Y040) |
| |
| 摘 要： | 文章通过BP神经网络模型,利用西沙站的实测潮位推算三亚站潮位,研究用一地点的潮位资料去推算另一地点(异地)潮位的方法。文章比较了不同隐含层节点数和输入因子对潮位推算结果的影响,采用预测时间(t)之前N个小时(t–N+1,…,t–1,t)西沙站的实测潮位数据作为输入因子,输入因子数目在2~10之间,隐含层分别采用节点数3、4、5、10和15建模,分多种情况进行推算。结果显示,对文中使用的特定情形,隐含层为4个节点的效果最好,隐含层为15个节点的效果最差;输入层为2个节点的效果最好,输入因子增多会使得推算效果变差。隐含层为4个节点、输入因子为t–1、t时刻潮位的仿真验证的结果最好,推算值和实测值之间的相关系数为0.9901,均方根误差为0.06m,误差在–0.16~0.15m之间。结果表明,如果两个地点的潮位具有物理上的关联,通过BP神经网络模型,用一地点的实测潮位推算另一地点潮位的方法是可行的。
|
| 关 键 词： | 神经网络 隐含层 输入因子 潮位 |
| 收稿时间： | 2013-10-23 |
Tide prediction using tide observation at a nearby site based on BP neural network |
| |
| WANG Sheng-an,LONG Xiao-min,PAN Wen-liang,ZHOU Feng-hua,WANG Dong-xiao.Tide prediction using tide observation at a nearby site based on BP neural network[J].Journal of Tropical Oceanography,2015,34(2):1-7. |
| |
| Authors: | WANG Sheng-an LONG Xiao-min PAN Wen-liang ZHOU Feng-hua WANG Dong-xiao |
| |
| Institution: | State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangzhou 510301, China |
| |
| Abstract: | |
| |
| Keywords: | neural network hidden layer input vector tide level |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《热带海洋学报》浏览原始摘要信息 |
| 点击此处可从《热带海洋学报》下载免费的PDF全文 |
|
