面向机器学习的海洋环境数据分析与预测研究

发布时间：2022-10-29 14:54

　　海洋环境大数据处理是建设智慧海洋的重要组成部分,在合理地开发海洋资源、准确地预测预警海洋灾害、有效地保护海洋环境等方面具有重要的现实意义。因此将我国某海海域环境变化作为研究对象,机器学习相关理论作为技术基础,对由浮标采集的海洋环境数据进行分析与预测研究,其研究成果已在河北省海洋地质资源调查中心的基于大数据的海洋环境观测监测技术公共服务平台项目中实施应用。主要研究内容如下:首先,研究海洋环境数据关联分析方法。针对影响海洋环境变化的水质、水文、气象和营养盐四种类型的27种浮标数据,构建基于灰度关联的海洋赤潮灾害全局分析机制,该分析机制通过计算海洋各影响因素的关联度,评估获得每种因素对海洋灾害发生的影响程度。进一步,提出基于Apriori算法的海洋灾害局部分析机制,通过挖掘每种类型元素内部之间的关联规则,形成元素的最大频繁项集。综合两种机制,得到影响海洋赤潮灾害发生的16种主要因素。其次,研究海洋环境单因素预测方法,提出平滑支持向量机回归模型。结构上,该模型是由非线性平滑器和最小二乘支持向量机构成的。非线性平滑器可以有效地处理浮标采集器所获得的海洋环境数据的异常值和噪声,最小二乘支持向量机是... 

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
引言
第1章 绪论
    1.1 研究背景
    1.2 研究现状
        1.2.1 海洋环境数据分析
        1.2.2 海洋环境数据预测
    1.3 研究内容
    1.4 论文结构
第2章 海洋环境数据关联分析方法研究
    2.1 引言
    2.2 灰度关联分析
    2.3 Apriori关联分析
        2.3.1 基本概念
        2.3.2 Apriori算法
    2.4 实验验证
    2.5 本章小结
第3章 基于平滑支持向量机的海洋环境单因素预测方法研究
    3.1 引言
    3.2 平滑支持向量回归模型
        3.2.1 模型结构
        3.2.2 训练算法
        3.2.3 算法流程
    3.3 实验验证
    3.4 本章小结
第4章 统计学习框架下海洋环境多因素预测方法研究
    4.1 引言
    4.2 海洋环境多因素预测模型
        4.2.1 模型结构
        4.2.2 模型训练
        4.2.3 算法描述及时间复杂度
    4.3 实验验证
    4.4 本章小结
结论
参考文献
致谢
导师简介
企业导师简介
作者简介
学位论文数据集


【参考文献】：
期刊论文
[1]中国近岸海水正在变清 环保部环境监测司司长刘志全解读《2016中国近岸海域环境质量公报》[J]. 滕玲.  地球. 2017(07)
[2]基于BP神经网络的中国沿海地区海洋经济系统脆弱性时空分异研究[J]. 彭飞,韩增林,杨俊,钟敬秋.  资源科学. 2015(12)
[3]环渤海四省市海洋可持续发展能力比较评价[J]. 李夫星,郑颖娟,张玉,王卫.  海洋通报. 2013(03)
[4]中国沿海地区海陆产业系统时空耦合分析[J]. 盖美,刘伟光,田成诗.  资源科学. 2013(05)
[5]基于广义回归神经网络的赤潮预警[J]. 国锋.  信息化纵横. 2009(18)

博士论文
[1]基于遗传算法的水质数据挖掘与应用研究[D]. 孙秋红.燕山大学 2016
[2]海洋功能区划布局技术研究与应用[D]. 刘洋.中国海洋大学 2012

硕士论文
[1]完善现行《广州市饮用水水源污染防治规定》之思考[D]. 余超.广州大学 2017
[2]基于关联规则的交通事故数据挖掘[D]. 胡震波.天津大学 2017



本文编号：3697892