当前位置:主页 > 经济论文 > 技术经济论文 >

渤海观测站点及出海频次的优化设置

发布时间:2018-04-18 22:15

  本文选题:观测站点 + 出海频次 ; 参考:《青岛大学》2017年硕士论文


【摘要】:随着人类向海洋进军步伐的加快,我国对于海洋资源的探索不断加深,这就要求我们要掌握一种科学的方法为资源调查服务。本文关注的问题就是在海洋资源调查中,观测站点及出海频次的设置。传统的站点设置方法并没有严谨的数理统计学科理论知识的支持,只是按照生物资源中的站点设置方法对渤海海区进行划分,设置了若干站点。至于出海频次,有每年12次、6次和4次三种。机器学习作为一种数据挖掘的工具,为人类提供了一种便利的、容易理解的、操作性较强的数据分析方法。机器学习是研究如何使用计算机模拟和实现人类获取知识过程,把数据转化为智能行为的一种人工智能。作为人工智能中最具智能特征和最前沿的研究课题之一,它是计算机识别现有知识、获取新知识、不断改善性能和实现自身完善的方法。因此,在本文中我们引入机器学习方法为设站提供科学的解释。聚类分析作为机器学习中一种重要的方法,主要任务是将数据划分成有意义或有用的组(簇)。通过不断尝试与改进,聚类分析在多个领域有着广泛的应用:生物学、统计学、经济领域、心理学以及其他社会科学。本文中我们利用聚类算法、R语言对已有的观测数据进行清洗、分析、建模,对观测站点及出海频次的设置给出方案。
[Abstract]:With the rapid advance of human beings to the ocean, the exploration of marine resources in our country is deepening, which requires us to master a scientific method to serve the investigation of resources.This paper focuses on the establishment of observation stations and sea frequency in marine resource survey.The traditional site setting method is not supported by rigorous mathematical statistics theory knowledge. It only divides the Bohai Sea area according to the method of site setting in biological resources and sets up some stations.As for the frequency of going to sea, there are 12 times a year, 6 times and 4 times, three kinds.As a data mining tool, machine learning provides a convenient, easy to understand and operational data analysis method for human beings.Machine learning is a kind of artificial intelligence that studies how to use computer to simulate and realize the process of human acquisition of knowledge and to transform data into intelligent behavior.As one of the most intelligent and cutting-edge research topics in artificial intelligence, it is a method for computer to identify existing knowledge, acquire new knowledge, improve performance and realize self-perfection.Therefore, in this paper, we introduce the machine learning method to provide a scientific explanation for the station.Clustering analysis as an important method in machine learning, the main task is to divide the data into meaningful or useful groups.Cluster analysis has been widely used in many fields: biology, statistics, economics, psychology and other social sciences.In this paper, we use clustering algorithm / R language to clean, analyze and model the existing observation data, and give a scheme for setting the frequency of observation station and sea.
【学位授予单位】:青岛大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:P714

【参考文献】

相关期刊论文 前5条

1 何清;李宁;罗文娟;史忠植;;大数据下的机器学习算法综述[J];模式识别与人工智能;2014年04期

2 陈康;向勇;喻超;;大数据时代机器学习的新趋势[J];电信科学;2012年12期

3 郭亚宁;冯莎莎;;机器学习理论研究[J];中国科技信息;2010年14期

4 钱锋,徐麟文;知识发现中的聚类分析及其应用[J];杭州师范学院学报(自然科学版);2001年01期

5 王应明;傅国伟;;主成份分析在有限方案多目标决策中的应用[J];系统工程理论方法应用;1993年02期

相关博士学位论文 前1条

1 周世兵;聚类分析中的最佳聚类数确定方法研究及应用[D];江南大学;2011年

相关硕士学位论文 前2条

1 杨浩;基于SPSS的聚类分析在行业统计数据中的应用[D];吉林大学;2013年

2 吴晓蓉;K-均值聚类算法初始中心选取相关问题的研究[D];湖南大学;2008年



本文编号:1770311

资料下载
论文发表

本文链接:https://www.wllwen.com/jingjilunwen/jiliangjingjilunwen/1770311.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户9e1c9***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com