小波网络及组合预测在赤潮灾害智能预警系统中的应用研究
发布时间:2020-03-27 02:23
【摘要】: 作为世界上赤潮灾害严重的国家之一,在我国,赤潮灾害发生范围已遍及所有沿海省市,每年对我国海洋经济产业造成的直接经济损失高达数以十亿元计。因此,研究赤潮分析预测关键技术和开发先进的赤潮预警系统,对促进我国海洋经济可持续发展具有重要的现实意义和战略意义。 赤潮是海洋生态系统不平衡的一种生态异常现象,其发生原因复杂,至今尚不能明确其发生机理,赤潮的爆发表现出非线性、随机性等复杂特征,导致对其建立准确的数学预测模型非常困难,从而极大的增加了赤潮的预报难度与准确度。本文结合当前先进的小波网络算法、IOWA算子及组合预测理论,分别建立了一种改进型的小波网络赤潮预测模型和基于IWNN的IOWA算子赤潮组合预测模型,并尝试设计了面向服务的、智能赤潮预测平台HIFP。具体来说包括以下几个方面: ●应用一种改进的小波网络算法(Improved Wavelet Neural Network,IWNN)建立了烟台四十里湾赤潮预测模型,采用国家海洋局北海分局提供的实验数据进行实验,实验结果表明该模型取得了预期的效果,提高了模型的预测精度,并具有更好的泛化能力。首先应用了隐含层为Morlet小波函数,输出层为sigmoid函数的一种新型多输入、多输出、单隐层的小波网络拓扑结构;其次应用熵误差函数来加快网络的学习速率,添加动量项来加快网络的收敛速度的改进的BP算法来最优调节网络权重;第三,详细介绍了如何建立基于上述改进小波网络的赤潮预测模型,接着应用O_rings标准数据集对模型的有效性进行了验证;最后,采用烟台四十里湾数据进行实验,结果显示无论是网络收敛速度,还是均方误差,都优于相同结构的BP神经网络。 ●针对传统组合预测模型同一单项模型在某一样本区间上各个时刻的加权平均系数是相同的不足,提出了一种赤潮组合预测模型,该模型基于诱导有序加权平均(Induced Ordered Weighted Average Operator, IOWA)算子与改进的小波网络(Improved Wavelet Neural Network, IWNN)算法:依据各单项预测模型在不同时刻预测精度的高低来赋权,从而很好的克服了此问题。建模过程中,首先针对赤潮频发的特点选择输入变量,进而通过多组对比实验确定最优IWNN网络结构,然后引入IMOWA算子,将九个单项IWNN神经网络预测的输出结果按照拟合精度的高低顺序赋权,建立赤潮组合预测模型,并给出确定最优权值的计算方法。 最后,针对传统赤潮预测预警系统模型单一化、表现形式单一、扩展性和集成性差等问题,尝试以数据挖掘技术体系为支撑,构建一种面向服务的、智能赤潮预测平台(HABs Intelligent Forecast Platform, HIFP),为解决上述问题做出了有益的尝试,对于构建能够测试和实际运行的赤潮分析预测平台,提供了一条新的思路,对于以后相关赤潮预测平台的开发亦有很好的指导作用。
【图文】:
络误差指标设定为0.0005,最大训练次数设定为2000次,分别以Morlet、作为隐含层、输出层的激励函数,最终确定了以叶绿素a,透明度,浮游植物密度为输出的小波网络模型。同时采用相同方法,建立了从而进行预测效果的对比。COD5igmo为输入,BP网络模型,表3.4烟台四1一里湾预测效果对比TheEva!uationIndexModel—MSESSEMAEMR王BP0.00950.15200.07561.0909IWNN0.00160.02530.03210.3433从表3.4中数据可以得出,两个模型预测的均方误差MSE分别为0.00160.0095,从而能够得出,本章建立的三输入改进型小波网络赤潮预测模型,其预测效果要明显好于相同结构的标准BP网络。.p网铭学习议尺小波川络学习议耸
555已r甘KeB找,抽,,,,fm斗二二〔〕〕中中r、忱亡头r、隆:}}}十十卜沈一二浇伴涟:’}}}图5.2面向服务架构基本模型s0A概念模型从服务的观点设计了三种参与角色l”“]:服务消费者(serviceeonsumer)、服务代理(servieebroker)和服务提供者(serviceprovider)。在三个主要参与者之间定义了交互模型:服务提供者,是服务的生产者,公布服务描述并且实现服务,;服务消费者,他既可以可以通过服务代理来查找服务描述并且绑定和调用服务,,也使用统一资源标一记符(URI)来直接使用服务描述;服务代理相当于一个中介机构,是服务消费者和服务提供者实现交互的桥梁,负责提供和维护服务的注册与查找。
【学位授予单位】:山东大学
【学位级别】:硕士
【学位授予年份】:2010
【分类号】:X55;TP183
本文编号:2602318
【图文】:
络误差指标设定为0.0005,最大训练次数设定为2000次,分别以Morlet、作为隐含层、输出层的激励函数,最终确定了以叶绿素a,透明度,浮游植物密度为输出的小波网络模型。同时采用相同方法,建立了从而进行预测效果的对比。COD5igmo为输入,BP网络模型,表3.4烟台四1一里湾预测效果对比TheEva!uationIndexModel—MSESSEMAEMR王BP0.00950.15200.07561.0909IWNN0.00160.02530.03210.3433从表3.4中数据可以得出,两个模型预测的均方误差MSE分别为0.00160.0095,从而能够得出,本章建立的三输入改进型小波网络赤潮预测模型,其预测效果要明显好于相同结构的标准BP网络。.p网铭学习议尺小波川络学习议耸
555已r甘KeB找,抽,,,,fm斗二二〔〕〕中中r、忱亡头r、隆:}}}十十卜沈一二浇伴涟:’}}}图5.2面向服务架构基本模型s0A概念模型从服务的观点设计了三种参与角色l”“]:服务消费者(serviceeonsumer)、服务代理(servieebroker)和服务提供者(serviceprovider)。在三个主要参与者之间定义了交互模型:服务提供者,是服务的生产者,公布服务描述并且实现服务,;服务消费者,他既可以可以通过服务代理来查找服务描述并且绑定和调用服务,,也使用统一资源标一记符(URI)来直接使用服务描述;服务代理相当于一个中介机构,是服务消费者和服务提供者实现交互的桥梁,负责提供和维护服务的注册与查找。
【学位授予单位】:山东大学
【学位级别】:硕士
【学位授予年份】:2010
【分类号】:X55;TP183
【引证文献】
相关硕士学位论文 前3条
1 郑晓洁;苹果树腐烂病预测模型研究[D];西北农林科技大学;2011年
2 刘琦;基于LS-SVM的时间序列预测方法及其应用研究[D];哈尔滨工业大学;2011年
3 银兰英;研发项目中止决策的小波神经网络研究[D];中南大学;2012年
本文编号:2602318
本文链接:https://www.wllwen.com/kejilunwen/haiyang/2602318.html
最近更新
教材专著