基于深度学习的浙江近岸船舶数据赤潮生物量趋势性预测研究

发布时间：2017-03-16 04:01

  本文关键词：基于深度学习的浙江近岸船舶数据赤潮生物量趋势性预测研究，由笔耕文化传播整理发布。

【摘要】：浙江近岸海域是赤潮频发的敏感海域。赤潮爆发不仅会导致水环境生态系统失衡,还会造成水产养殖灾难,甚至会危害到公众的健康。因此,如何有效地对浙江近岸复杂多变的敏感水体环境,开展赤潮生物量的趋势性预测,具有十分重要的研究意义。赤潮生物的生长、繁殖、消亡整个过程,与环境因子之间存在一定的关联。由于这些关联错综复杂,且环境因子具有时序性特征,给赤潮生物量的趋势预测带来了困难。赤潮生物量的预测常采用神经网络方法,深度学习是其中的一种深层神经网络,能有效地解决传统神经网络过度拟合的缺点。论文的主要研究内容与结果如下：(1)提出了一种将条件受限玻尔兹曼机(Conditional Restricted Boltzmann Machines, CRBM)算法与深度信念网络(Deep Belief Network, DBN)模型相结合的方法,构建非线性的CRBM-DBN深度学习模型,采用高斯分布处理输入特征值,对比散度抽样,用于浙江近岸海域的赤潮生物量趋势性预测,相比传统神经网络方法,有效地提高了预测的准确率和拟合度。(2)基于粒子群(Particle Swarm Optimization, PSO)算法对CRBM网络深度和训练参数进行最优求解,实验采用浙江近岸海域船舶观测数据作为输入特征值训练CRBM-DBN模型,并通过与经典的深度学习算法和浅层学习算法进行对比实验,验证CRBM-DBN模型对赤潮生物量的预测误差、预测拟合度和预测准确率要明显优于其他三种模型,并能有效地用于赤潮生物量未来4帧的趋势性变化预测。(3)针对浙江近岸海域赤潮监测数据的多源、异构、海量等特点,结合地理信息系统(GIS)空间数据库引擎与Oracle数据库,将本文构建的预测模型集成到浙江近岸海域赤潮预测预警研究平台中。研究结果表明,构建的CRBM-DBN模型对浙江近岸海域赤潮生物量的趋势预测取得较好的效果,具有较强的可行性和实用性,对浙江近岸海域赤潮预测预警有一定的参考价值。
【关键词】：赤潮生物量趋势性预测 深度信念网络模型 深度学习 地理信息系统
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：X55
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 绪论11-18
• 1.1 研究背景及意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 海洋GIS在赤潮中的应用现状12-13
• 1.2.2 神经网络算法在赤潮中的应用现状13-15
• 1.3 论文主要内容和组织结构15-18
• 1.3.1 论文主要内容15-16
• 1.3.2 论文组织结构16-18
• 2 构建面向浙江近岸的赤潮生物量预测模型18-36
• 2.1 海洋监测数据分析与组织存储18-21
• 2.1.1 船舶采样观测数据18
• 2.1.2 海洋监测数据的时空特征分析18-20
• 2.1.3 海洋监测数据的组织与存储20-21
• 2.2 预测模型基础框架及分析21-26
• 2.2.1 受限玻尔兹曼算法21-24
• 2.2.2 深度信念网络模型24-26
• 2.3 构建赤潮生物量预测模型26-33
• 2.3.1 构建CRBM-DBN预测模型26-29
• 2.3.2 CRBM-DBN模型训练方法分析29-31
• 2.3.3 高斯分布处理输入特征值31-33
• 2.4 CRBM-DBN模型训练和预测过程分析33-35
• 2.5 本章小结35-36
• 3 CRBM-DBN预测模型结构优化36-49
• 3.1 海洋监测数据预处理36-37
• 3.2 CRBM-DBN模型参数取值分析37-43
• 3.2.1 CRBM网络深度分析38-39
• 3.2.2 各训练参数分析及实验设计39-43
• 3.3 CRBM-DBN模型参数求解分析43-47
• 3.3.1 标准粒子群算法求解方法分析43-45
• 3.3.2 基于粒子群算法求解模型各参数值45-47
• 3.4 粒子群算法求解最优值的评价方法47-48
• 3.5 本章小结48-49
• 4 实验验证49-64
• 4.1 实验环境与实验数据集49
• 4.2 各训练参数求最优解的实验结果与分析49-54
• 4.2.1 CRBM网络深度实验结果与分析49-51
• 4.2.2 输入节点数求解分析51-52
• 4.2.3 隐含节点数求解分析52-53
• 4.2.4 学习率求解分析53-54
• 4.3 与传统预测方法的对比实验结果与分析54-57
• 4.4 赤潮生物量趋势预测的实验结果与分析57-60
• 4.5 原型系统实现60-63
• 4.6 本章小结63-64
• 5 结论与展望64-67
• 5.1 工作总结64-65
• 5.2 主要研究特色65
• 5.3 展望65-67
• 参考文献67-70
• 作者简历及攻读硕士期间科研成果70

【相似文献】

中国期刊全文数据库 前10条

1 潘智韬,刘士忠,章文荣,周剑;用硫酸亚铁预处理赤潮生物污染海水进行扇贝育苗的探讨[J];海洋环境科学;1991年01期

2 林永水，，周雅操，王国才;珠江口赤潮生物及其与环境关系[J];热带海洋;1994年04期

3 陆斗定,J.Gobel,王春生,刘镇盛;浙江海区赤潮生物监测与赤潮实时预测[J];东海海洋;2000年02期

4 辛修明,郑向荣,张建通;海水养殖环境赤潮生物的发生与控制[J];河北渔业;2000年06期

5 范学炜,张汉德;赤潮生物种类特征光谱获取技术[J];黄渤海海洋;2002年02期

6 王金辉;长江口邻近水域的赤潮生物[J];海洋环境科学;2002年02期

7 宋秀贤,俞志明,高咏卉;一种有效去除赤潮生物的粘土复合体系[J];应用生态学报;2003年07期

8 于连生,徐雷;基于数字显微镜的赤潮生物计数精度检验方法研究[J];海洋技术;2004年01期

9 冷科明,陈波,廖敏,陈成良,杨伟思;深圳海域引发赤潮生物种类的演变及其原因浅析[J];海洋环境科学;2004年03期

10 姚炜民;李超;郜钧璋;;浙南海域的赤潮生物[J];海洋通报;2006年03期

中国重要会议论文全文数据库 前6条

1 王建艳;李扬;赵秋兰;吕颂辉;;我国沿海常见赤潮生物图像库及人工互动检索系统的建立[A];庆祝中国藻类学会成立30周年暨第十五次学术讨论会摘要集[C];2009年

2 侯建军;孟海军;陈纪新;黄邦钦;;典型赤潮生物的分子检测方法及其应用研究[A];中国海洋湖沼学会藻类学分会第七届会员大会暨第十四次学术讨论会论文摘要集[C];2007年

3 吕颂辉;谢隆初;齐雨藻;;近海赤潮生物学研究现状及其问题[A];中国海洋湖沼学会藻类学分会第七届会员大会暨第十四次学术讨论会论文摘要集[C];2007年

4 梁秀玲;;船载现场赤潮生物流式图像监测系统的光路总体设计[A];中国遗传学会第十届全国激光生物学学术会议论文摘要集[C];2009年

5 钱宏林;刘康富;曾浓绥;;广东沿海的赤潮生物与赤潮研究[A];第一届中国赤潮研究与防治学术研讨会论文摘要汇编[C];2004年

6 马毅;张杰;;航空高光谱赤潮生物优势种类识别技术初步研究[A];成像光谱技术与应用研讨会论文集[C];2002年

中国重要报纸全文数据库 前8条

1 记者　侯小健;赤潮生物为无毒藻[N];海南日报;2006年

2 蔡忠仁;有害赤潮生物检测关键技术攻克[N];中国化工报;2009年

3 本报记者 张丽华;我国近岸海域污染形势严峻[N];中国矿业报;2006年

4 通讯员　 朱其太　侯著卫 记者　 王波;我市首次从进境旅客携带物中截获绿藻[N];连云港日报;2007年

5 记者 杨莉;大连海大两项目获973计划资助[N];中国交通报;2008年

6 国家海洋局秦皇岛海洋环境监测中心站;北戴河近岸海水环境监测基本情况[N];秦皇岛日报;2012年

7 林兴忠;对虾水母中毒的急救方法[N];广东科技报;2002年

8 林岳夫;厦门海洋生物物种研究出成果[N];中国海洋报;2005年

中国博士学位论文全文数据库 前3条

1 曹西华;有机改性粘土去除赤潮生物的机制与方法研究[D];中国科学院研究生院（海洋研究所）;2004年

2 侯建军;赤潮生物的分子探针检测方法及其应用研究[D];厦门大学;2006年

3 龚良玉;东海典型赤潮藻生长的生物、化学抑制作用研究[D];中国海洋大学;2005年

中国硕士学位论文全文数据库 前8条

1 周晓莉;基于深度学习的浙江近岸船舶数据赤潮生物量趋势性预测研究[D];浙江大学;2016年

2 范丹;海洋赤潮生物羟基自由基致死的中试实验研究[D];大连海事大学;2010年

3 林琳;中国近海典型赤潮生物种间及生理指示生物标志物研究[D];厦门大学;2007年

4 李斌;氮、磷等环境因子对有害赤潮生物海洋卡盾藻的生理生态效应[D];暨南大学;2009年

5 张珩;快速、灵敏控制赤潮生物生长的方法和机理研究[D];暨南大学;2004年

6 李春梅;三种表面活性剂生物毒性及对典型甲藻赤潮生物生长抑制作用的研究[D];中国海洋大学;2007年

7 曹红宝;基于双光谱有毒赤潮优势藻图像分析的研究[D];天津大学;2005年

8 张庆林;辽东湾东南海域浮游植物类群与富营养化状况[D];国家海洋局第一海洋研究所;2007年

  本文关键词：基于深度学习的浙江近岸船舶数据赤潮生物量趋势性预测研究，由笔耕文化传播整理发布。

本文编号：251295