台湾海峡
檯灣海峽
태만해협
JOURNAL OF OCEANOGRAPHY IN TAIWAN STRAIT
2012年
2期
166-172
,共7页
于小龙%潘伟然%张国荣%崔文惠%林毅辉%骆智斌
于小龍%潘偉然%張國榮%崔文惠%林毅輝%駱智斌
우소룡%반위연%장국영%최문혜%림의휘%락지빈
物理海洋学%BP神经网络%遗传算法%波浪模拟%罗源湾
物理海洋學%BP神經網絡%遺傳算法%波浪模擬%囉源灣
물리해양학%BP신경망락%유전산법%파랑모의%라원만
由于BP神经网络存在收敛速度慢和易于陷入极小值等缺点,引入遗传算法(GA)对网络的权值和闽值加以优化,并采用不同组合的输入因子和样本数,对福建省罗源湾口的波浪进行模拟研究.对输入因子的分析结果表明,研究区域的波浪主要受台湾海峡波浪传播影响,与局地气象因子(风速、风向、海气温差)的相关性较弱.训练样本试验表明,30 d以上的波浪历史数据可使GA-BP神经网络充分学习研究区域的波浪特征,从而实现对波浪要素的高精度模拟.模拟结果显示,对春、夏季实测波浪数据的模拟效果均很好,其中相关性分别为0.967和0.938,均方根误差分别为0.112m和0.107 m,表明GA-BP神经网络在近岸波浪模拟预报中有较广阔的应用前景.
由于BP神經網絡存在收斂速度慢和易于陷入極小值等缺點,引入遺傳算法(GA)對網絡的權值和閩值加以優化,併採用不同組閤的輸入因子和樣本數,對福建省囉源灣口的波浪進行模擬研究.對輸入因子的分析結果錶明,研究區域的波浪主要受檯灣海峽波浪傳播影響,與跼地氣象因子(風速、風嚮、海氣溫差)的相關性較弱.訓練樣本試驗錶明,30 d以上的波浪歷史數據可使GA-BP神經網絡充分學習研究區域的波浪特徵,從而實現對波浪要素的高精度模擬.模擬結果顯示,對春、夏季實測波浪數據的模擬效果均很好,其中相關性分彆為0.967和0.938,均方根誤差分彆為0.112m和0.107 m,錶明GA-BP神經網絡在近岸波浪模擬預報中有較廣闊的應用前景.
유우BP신경망락존재수렴속도만화역우함입겁소치등결점,인입유전산법(GA)대망락적권치화민치가이우화,병채용불동조합적수입인자화양본수,대복건성라원만구적파랑진행모의연구.대수입인자적분석결과표명,연구구역적파랑주요수태만해협파랑전파영향,여국지기상인자(풍속、풍향、해기온차)적상관성교약.훈련양본시험표명,30 d이상적파랑역사수거가사GA-BP신경망락충분학습연구구역적파랑특정,종이실현대파랑요소적고정도모의.모의결과현시,대춘、하계실측파랑수거적모의효과균흔호,기중상관성분별위0.967화0.938,균방근오차분별위0.112m화0.107 m,표명GA-BP신경망락재근안파랑모의예보중유교엄활적응용전경.
