小波网络及组合预测在赤潮灾害智能预警系统中的应用研究

摘要

作为世界上赤潮灾害严重的国家之一，在我国，赤潮灾害发生范围已遍及所有沿海省市，每年对我国海洋经济产业造成的直接经济损失高达数以十亿元计。因此，研究赤潮分析预测关键技术和开发先进的赤潮预警系统，对促进我国海洋经济可持续发展具有重要的现实意义和战略意义。
　　 赤潮是海洋生态系统不平衡的一种生态异常现象，其发生原因复杂，至今尚不能明确其发生机理，赤潮的爆发表现出非线性、随机性等复杂特征，导致对其建立准确的数学预测模型非常困难，从而极大的增加了赤潮的预报难度与准确度。本文结合当前先进的小波网络算法、IOWA算子及组合预测理论，分别建立了一种改进型的小波网络赤潮预测模型和基于IWNN的IOWA算子赤潮组合预测模型，并尝试设计了面向服务的、智能赤潮预测平台HIFP。具体来说包括以下几个方面：
　　 ●应用一种改进的小波网络算法(Improved Wavelet Neural Network，IWNN)建立了烟台四十里湾赤潮预测模型，采用国家海洋局北海分局提供的实验数据进行实验，实验结果表明该模型取得了预期的效果，提高了模型的预测精度，并具有更好的泛化能力。首先应用了隐含层为Morlet小波函数，输出层为sigmoid函数的一种新型多输入、多输出、单隐层的小波网络拓扑结构；其次应用熵误差函数来加快网络的学习速率，添加动量项来加快网络的收敛速度的改进的BP算法来最优调节网络权重；第三，详细介绍了如何建立基于上述改进小波网络的赤潮预测模型，接着应用orings标准数据集对模型的有效性进行了验证；最后，采用烟台四十里湾数据进行实验，结果显示无论是网络收敛速度，还是均方误差，都优于相同结构的BP神经网络。
　　 ●针对传统组合预测模型同一单项模型在某一样本区间上各个时刻的加权平均系数是相同的不足，提出了一种赤潮组合预测模型，该模型基于诱导有序加权平均(Induced Ordered Weighted Average Operator, IOWA)算子与改进的小波网络（Improved Wavelet Neural Network， IWNN）算法：依据各单项预测模型在不同时刻预测精度的高低来赋权，从而很好的克服了此问题。建模过程中，首先针对赤潮频发的特点选择输入变量，进而通过多组对比实验确定最优IWNN网络结构，然后引入IOWA算子，将九个单项IWNN神经网络预测的输出结果按照拟合精度的高低顺序赋权，建立赤潮组合预测模型，并给出确定最优权值的计算方法。
　　 最后，针对传统赤潮预测预警系统模型单一化、表现形式单一、扩展性和集成性差等问题，尝试以数据挖掘技术体系为支撑，构建一种面向服务的、智能赤潮预测平台(HABs Intelligent Forecast Platform. HIFP)，为解决上述问题做出了有益的尝试，对于构建能够测试和实际运行的赤潮分析预测平台，提供了一条新的思路，对于以后相关赤潮预测平台的开发亦有很好的指导作用。

目录

文摘

英文文摘

第一章．绪论

1.1 赤潮概述

1.1.1 赤潮定义及发生诱因

1.1.2 赤潮危害及我国赤潮状况

1.2 选题背景及意义

1.3 国内外研究现状

1.4 存在的问题与不足

1.5 本文主要工作

第二章．小波网络理论概述及应用

2.1 人工神经网络概述

2.1.1 人工神经网络的发展历史、应用

2.1.2 常用BP人工神经网络及其改进

2.2 小波网络理论基础

2.2.1 小波分析理论

2.2.2 小波网络的结构形式

2.2.3 小波网络经典学习算法

2.3 小波网络常见应用

2.4 本章小结

第三章．基于改进小波网络（IWNN）的赤潮预测模型

3.1 一种改进的小波网络(IWNN)

3.1.1 多输入、多输出小波网络拓扑

3.1.2 添加动量项的网络权重优化算法

3.2 基于IWNN的烟台四十里湾赤潮预测模型

3.2.1 数据样本选取与数据规范化预处理

3.2.2 输入变量选择及隐含层节点数确定

3.3 模型结果分析

3.3.1 标准数据集O_rings数据集预测效果对比

3.3.2 烟台四十里湾预测效果对比

3.4 本章小结

第四章．基于IWNN的赤潮IOWA算子组合预测模型

4.1 组合预测

4.1.1 组合预测概念及分类

4.1.2 以预测误差平方和达到最小的线性组合预测模型

4.2 诱导有序加权平均算子概念及性质

4.2.1 OWA算子定义及性质

4.2.2 IOWA算子定义及性质

4.3 基于IOWA算子的赤潮组合预测模型实例分析

4.3.1 确定以各理化因子为输入的单入、单出最优IWNN模型

4.3.2 基于IOWA算子的单入单出IWNN组合预测模型

4.3.3 预测性能评价

4.4 本章小结

第五章．一种面向服务的、智能赤潮预测平台(HIFP)

5.1 数据挖掘软件现状

5.2 HIFP模型设计方案

5.3 HIFP具体组件介绍

5.4 本章总结

第六章．总结与展望

6.1 全文总结

6.2 课题展望

主要参考文献

致谢

攻读硕士学位期间发表的学术论文及参加的科研课题

学位论文评阅及答辩情况表