基于深度学习的湖库藻类水华预测研究
기우심도학습적호고조류수화예측연구
Research on algal bloom prediction based on deep learning
  • 万方数据
    计算机与应用化学 계산궤여응용화학
    Computers and Applied Chemistry
    2015年 10期 1265-1268 ,共4页

    姚俊杨%许继平%王小艺%黄振芳

    요준양%허계평%왕소예%황진방

    深度学习%水华预测%人工神经网络 深度學習%水華預測%人工神經網絡
    심도학습%수화예측%인공신경망락
    deep learning%algal bloom prediction%artificial neural network
    随着经济社会发展,水体富营养化程度日趋严重,藻类水华频发,水体生态安全受到严重威胁,直接影响城市发展建设和居民的正常生活.深入研究藻类水华形成机理,对藻类水华暴发这一非常规突发事件进行有效防治,对促进水环境保护具有重要意义.本文在对藻类水华形成机理深入分析的基础上,考虑常规藻类水华预测方法在样本选择、模型参数设置、预测精度等方面存在的问题,提出基于深度置信网络(Deep Belief Nets,DBNs)的藻类水华预测方法,通过网络结构与参数设计,实现了算法学习与训练.结果表明,该方法对数据信息利用率充分,藻类水华预测精度高,相对其他方法具有明显的优势,为湖库藻类水华预测提供一种新思路.
    수착경제사회발전,수체부영양화정도일추엄중,조류수화빈발,수체생태안전수도엄중위협,직접영향성시발전건설화거민적정상생활.심입연구조류수화형성궤리,대조류수화폭발저일비상규돌발사건진행유효방치,대촉진수배경보호구유중요의의.본문재대조류수화형성궤리심입분석적기출상,고필상규조류수화예측방법재양본선택、모형삼수설치、예측정도등방면존재적문제,제출기우심도치신망락(Deep Belief Nets,DBNs)적조류수화예측방법,통과망락결구여삼수설계,실현료산법학습여훈련.결과표명,해방법대수거신식이용솔충분,조류수화예측정도고,상대기타방법구유명현적우세,위호고조류수화예측제공일충신사로.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문