关键词:
海洋监测
赤潮
主成分分析
神经网络
LMBP
摘要:
近年来,我国沿海赤潮频发且规模不断扩大,导致各种海洋生物的生存环境遭到严重破坏,海洋生态系统失衡恶化,渔业资源和海产养殖业受损严重,同时赤潮藻毒素严重威胁着海洋生物和人类的生命安全。因此,迫切需要建立高精度的赤潮灾害智能预警系统。本文结合当前日趋成熟的神经网络算法,对于神经网络赤潮预测模型进行了初步的研究,设计并实现了基于神经网络的赤潮灾害智能预警系统。具体來说包括以下几个方面: 首先,在简要分析赤潮发生与环境因子之间关系的基础上,构建了基于PCA(Principal Component Analysis)的附加动量法BP(BackPropagation)神经网络赤潮预测模型。由于赤潮成因复杂,且与多种环境因子密切相关,导致模型的输入变量难以选择。针对这一问题,模型首先采用了PCA算法对输入数据进行有效信息提取,即对大量输入数据进行线性变换,在保证原有信息量的同时降低输入维数以获取主成分,然后将主成分作为神经网络模型的输入,从而有效降低了神经网络模型的复杂度,大大提高了网络的收敛速度。模型仿真实验结果表明,该模型较传统附加动量法模型在拟合精度与预测效果上都有了较大提高。 其次,通过对烟台四十里湾海域赤潮成因进行分析,构建了基于LMBP(Levenberg-Marquardt Back Propagation)的烟台四十里湾赤潮预测模型。该模型通过设计实验组合并对比实验结果的方式确定输入变量,即根据该海域各理化因子对赤潮发生的影响大小对其依次排序,并设计了多个实验组合,对比各组合的实验结果选取输入变量。本文还详细阐述了LMBP神经网络建模的过程,对于隐含层神经元个数如何选择,如何最大限度利用现有数据对网络进行训练等问题进行了深入分析。整个建模过程思路清晰,容易理解,为赤潮预测的神经网络建模提供了解决思路。另外,LMBP算法是BP算法的改进形式,具有收敛速度快,逼近精度高的优点,因此将LMBP模型用于赤潮的实时在线预测有着极大的优越性和可行性,从而为赤潮预测提供了一种新方法。 最后,以多种神经网络预测算法为核心,搭建了Linux+MySOL+Apache+Tomcat的JSP网站构建环境,实现了基于B/S模式的神经网络赤潮灾害智能预警系统。该系统能够采用柱状图,折线图等方式将预测结果直观地显示给用户,提高了赤潮预测的可视化程度。而采用B/S模式使用户远程通过浏览器就能方便实现海洋环境监测数据查询、分析、赤潮预测结果的直观显示等功能,极大地提高了系统的易用性。系统还集成了多种神经网络预测算法,为赤潮灾害的智能预警系统提供了新的算法思路。