基于人工神经网络的赤潮预测方法研究

论文摘要

赤潮（Red tide）是一种在特定条件下海洋中的某些浮游生物，包括微藻、原生动物和细菌等，暴发性增殖而使海水变色的生态异常现象。目前，赤潮的发生越来越频繁，已成为一种世界范围的生态灾害，给很多沿海国家和地区造成了巨大的损失。为此，很多专家学者开展了有关赤潮预测方法的研究，试图找到有效的方法对赤潮进行预报预警，以尽最大程度的减少赤潮所引发的危害。传统的赤潮预测方法是从数理角度出发，依据赤潮影响因子的变化规律来建造模型模拟赤潮是否发生。但由于赤潮发生的影响因素有很多种，海水的富营养化程度升高，水文气象的影响，海水理化因子的变化，船舶带来的外来浮游物种等等，这种复杂性使得人们对赤潮发生机理的认识还是不明确，再加上生态系统各因子之间表现出高度的非线性和不确定性，传统的预测方法真正有效的并不多见。人工神经网络作为一种现代化技术手段，在处理非线性模式识别方面已经表现出了很好的特性，它独特的信息处理能力和解算能力适用于机制尚不清楚的高维非线性系统，并且神经网络在系统模拟、数据处理以及信息的提取等方面已经得到了广泛应用，所以用人工神经网络来进行赤潮预测研究是一个很好的选择。本文首先对赤潮的成因和危害以及我国近年来赤潮的发生状况作了概述，其次是对以往的赤潮预测方法进行了综合、整理，对人工神经网络的三个基本要素进行了阐述，之后详细介绍了BP神经网络、RBF神经网络、GRNN三种网络，采用MATLAB软件的神经网络工具箱进行赤潮预测模型的仿真实验，得到了较为理想的结果，并且通过实验结果对比分析这三种网络的优缺点，进一步证明了光滑因子选取适当的GRNN比BP神经网络、RBF神经网络在赤潮预测方面有更高的准确度，可以推广使用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景
• 1.2 选题意义
• 1.3 主要研究内容
• 第二章 赤潮简介
• 2.1 赤潮的概念及其成因
• 2.2 赤潮的危害
• 2.3 我国赤潮的发生现状
• 2.4 赤潮预测的方法进展
• 2.4.1 传统的赤潮预测方法
• 2.4.2 人工神经网络预测方法
• 2.5 本章小结
• 第三章 人工神经网络简介
• 3.1 人工神经网络概念及其发展
• 3.2 人工神经网络的基本功能
• 3.3 人工神经网络模型
• 3.3.1 神经元模型
• 3.3.2 激活函数
• 3.3.3 人工神经网络结构
• 3.3.4 人工神经网络的学习方式及算法
• 3.4 本章小结
• 第四章 基于人工神经网络的赤潮预测模型
• 4.1 BP 神经网络
• 4.1.1 BP 神经网络概念及结构
• 4.1.2 BP 神经网络的学习算法
• 4.1.3 BP 神经网络的训练过程
• 4.1.4 BP 神经网络的局限性及改进方法
• 4.2 径向基函数（RBF）神经网络
• 4.2.1 径向基函数神经网络概念和特点
• 4.2.2 径向基函数神经网络结构
• 4.2.3 RBF 神经网络的激活函数
• 4.2.4 RBF 神经网络的学习
• 4.3 广义回归神经网络（GRNN）
• 4.3.1 广义回归神经网络结构
• 4.3.2 GRNN 的理论基础
• 4.4 本章小结
• 第五章 基于人工神经网络的赤潮预测方法研究
• 5.1 实验样本选择和数据预处理
• 5.2 BP 神经网络赤潮预测
• 5.2.1 BP 神经网络模型设计
• 5.2.2 BP 神经网络训练
• 5.3 RBF 神经网络赤潮预测
• 5.3.1 RBF 神经网络模型设计
• 5.3.2 RBF 神经网络训练
• 5.4 GRNN 赤潮预测
• 5.4.1 GRNN 模型设计
• 5.4.2 GRNN 网络训练
• 5.5 实验结果分析
• 5.6 本章小结
• 第六章 结论
• 参考文献
• 致谢
• 在读期间发表的学术论文及研究成果