基于人工神經(jīng)網(wǎng)絡(luò)的赤潮預(yù)測方法研究【文獻綜述】

《基于人工神經(jīng)網(wǎng)絡(luò)的赤潮預(yù)測方法研究【文獻綜述】》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、畢業(yè)論文文獻綜述計算機科學(xué)與技術(shù)基于人工神經(jīng)網(wǎng)絡(luò)的赤潮預(yù)測方法研究引言：近年來，赤潮發(fā)生的頻率越來越高，對海洋漁業(yè)、海水養(yǎng)殖業(yè)和濱海旅游業(yè)等均造成了一定的危害，經(jīng)濟損失嚴重。因此，弄清楚赤潮發(fā)生的機理并對其進行準確地預(yù)報，對預(yù)防赤潮的發(fā)生以及減少赤潮災(zāi)害帶來的損失至關(guān)重要。鑒于赤潮突發(fā)性和復(fù)雜性和對其機理的認識，目前常用的預(yù)測方法主要依據(jù)赤潮影響因子的變化判斷其是否發(fā)生，它是一個模式識別過程。由于生態(tài)系統(tǒng)各因子之間表現(xiàn)出高度的非線性和不確定性，傳統(tǒng)的預(yù)測方法有效的很少。人工神經(jīng)網(wǎng)絡(luò)具有較好的處理非線性模式識別特性，它獨特的信息處理和解算能力對機制尚不明確的高維非線性系統(tǒng)具有很

2、好的建模能力。目前神經(jīng)網(wǎng)絡(luò)在生態(tài)系統(tǒng)模擬、生態(tài)數(shù)據(jù)處理以及要干生態(tài)參數(shù)的提取方面等方面得到廣泛應(yīng)用[1，2]。本文介紹一種常見的神經(jīng)網(wǎng)絡(luò)算法網(wǎng)絡(luò)，即BP（BackPropagation）網(wǎng)絡(luò)，以及它在赤潮預(yù)測中的應(yīng)用。1赤潮及赤潮的預(yù)測研究1.1赤潮赤潮(redtide)也稱紅潮，通常是指一些海洋微藻、原生動物或細菌在水體中過度繁殖或聚集而令海水變色的現(xiàn)象，藻華(algalbloom)有時稱水華或藻花，是指水體中藻類大量繁殖的一種現(xiàn)象，習慣上將水體中藻類達到一定密度后的藻華稱作赤潮[3]。自20世紀70年代有比較齊全的赤潮資料以來，我國赤潮發(fā)生主要有以下趨勢：赤潮的發(fā)生以每1

3、0年3倍的速度不斷上升；赤潮的規(guī)模不斷擴大；危害程度增加。有害赤潮是一種有多種因素綜合作用引起的生態(tài)異常現(xiàn)象，人們至今還沒有對其發(fā)生機理有完整、統(tǒng)一的認識，而且赤潮生物的繁殖與其影響因子之間具有高度的復(fù)雜性和非線性，從而很難采用傳統(tǒng)的偏微分方程對其規(guī)律進描述。在這種情況下，以數(shù)據(jù)挖掘技術(shù)為主的數(shù)據(jù)驅(qū)動模型就開始顯示出其優(yōu)勢。其中，人工神經(jīng)網(wǎng)絡(luò)ANN(ArtificialNeuralNetwork)的應(yīng)用最為廣泛，尤其是在尋求和建立信號輸入和輸出方面，具有許多其他方法所不具有的優(yōu)勢，并在實際應(yīng)用中取得了很好的效果[4]。1.2赤潮的預(yù)測赤潮是一種由多因素綜合作用引發(fā)的生態(tài)異?，F(xiàn)

4、象，具有突發(fā)性及非線性等特點，并且赤潮生物種類繁多，不同海域發(fā)生赤潮的主要影響因子又不盡相同，因此，對其進行成功預(yù)測并進行有效的預(yù)防減災(zāi)已成為社會迫切需要[5]。國內(nèi)外學(xué)者從不同角度開展了赤潮預(yù)測的研究，并提出了眾多的赤潮預(yù)測方法。近幾年隨著計算機軟件技術(shù)、人工智能以及生物技術(shù)的迅猛發(fā)展，人們開始探索將其應(yīng)用與赤潮的預(yù)測。20世紀90年代，RECKNAGEL[6]將ANN(Artificialneuralnetworks)運用于藍-綠藻的種類豐度和演替預(yù)測研究，結(jié)果證明，ANN浮游植物模型具有較好的預(yù)測潛力，并促進了ANN在水華、赤潮方面的研究。WILSON和RECKNAGE

5、L[7]與KUDELA和COCHLAN[8]雖然將ANN應(yīng)用于赤潮預(yù)測計算中，但未在網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方面做工作，而國內(nèi)的一些學(xué)者則在這一方面作了大量的工作。蔡如鈺[9]、董婧等[10]、吳京洪[11]謝中華和晏麗紅[12]等在人工神經(jīng)網(wǎng)絡(luò)對赤潮進行預(yù)測方面做出了巨大貢獻。上述研究初步表明，ANN用于赤潮生物生長的研究是一種行之有效的新途徑，與傳統(tǒng)統(tǒng)計模型相比有一定的優(yōu)越性，與傳統(tǒng)統(tǒng)計模型相比，人工神經(jīng)網(wǎng)絡(luò)方法不要求監(jiān)測數(shù)據(jù)具有很強的規(guī)律性，就可以用訓(xùn)練后的網(wǎng)絡(luò)模型對其進行預(yù)測，具有一定的實用性。2人工神經(jīng)網(wǎng)絡(luò)及BP算法網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwo

6、rk)是指由大量與自然神經(jīng)系統(tǒng)細胞類似的人工神經(jīng)元連接而形成的網(wǎng)絡(luò)，其由應(yīng)用工程技術(shù)、計算機手段模擬生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能，實現(xiàn)只是并行分別處理，是一個人工智能信息處理系統(tǒng)，與較高的建模能力和對數(shù)據(jù)良好的擬合能力[13]。人工神經(jīng)網(wǎng)絡(luò)模仿人腦神經(jīng)的活動，力圖建立腦神經(jīng)活動的數(shù)學(xué)模型。近年來，只能控制作為一門新的交叉學(xué)科蓬勃興起。人們在更高層次上尋求控制、計算機和神經(jīng)生理學(xué)的新結(jié)合，以此來解決顯示世界中常規(guī)控制論難以解決的一些問題。2.1神經(jīng)網(wǎng)絡(luò)國內(nèi)外研究現(xiàn)狀20世紀90年代以來，神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域迅速擴大。近百種近百種網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習算法相繼出現(xiàn)，硬件實現(xiàn)的研究工作也取得

7、了重要進展。神經(jīng)網(wǎng)絡(luò)理論的應(yīng)用研究已經(jīng)滲透到大量的工程領(lǐng)域，并取得了令人矚目的成果。1987年6月IEEE在SanDiego召開了第一節(jié)神經(jīng)網(wǎng)絡(luò)會議，標志著神經(jīng)網(wǎng)絡(luò)研究在世界范圍內(nèi)形成了高潮，此后國際上每年都有以神經(jīng)網(wǎng)絡(luò)為主題的國際會議召開。隨著神經(jīng)網(wǎng)絡(luò)理論研究的進展，其應(yīng)用產(chǎn)品開發(fā)也獲得了初步的成功。目前已有的神經(jīng)網(wǎng)絡(luò)應(yīng)用產(chǎn)品有HNC公司的手寫體識別，Neuralteach的專家系統(tǒng)設(shè)計，HNC的腦電圖分析，HNC和AI-WARE的過程與機器人控制等眾多產(chǎn)品。在舉世矚目的海灣戰(zhàn)爭中，美國空軍也采用了神