声明
致谢
摘要
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 海洋GIS在赤潮中的应用现状
1.2.2 神经网络算法在赤潮中的应用现状
1.3 论文主要内容和组织结构
1.3.1 论文主要内容
1.3.2 论文组织结构
2 构建面向浙江近岸的赤潮生物量预测模型
2.1 海洋监测数据分析与组织存储
2.1.1 船舶采样观测数据
2.1.2 海洋监测数据的时空特征分析
2.1.3 海洋监测数据的组织与存储
2.2 预测模型基础框架及分析
2.2.1 受限玻尔兹曼算法
2.2.2 深度信念网络模型
2.3 构建赤潮生物量预测模型
2.3.1 构建CRBM-DBN预测模型
2.3.2 CRBM-DBN模型训练方法分析
2.3.3 高斯分布处理输入特征值
2.4 CRBM-DBN模型训练和预测过程分析
2.5 本章小结
3 CRBM-DBN预测模型结构优化
3.1 海洋监测数据预处理
3.2 CRBM-DBN模型参数取值分析
3.2.1 CRBM网络深度分析
3.2.2 各训练参数分析及实验设计
3.3 CRBM-DBN模型参数求解分析
3.3.1 标准粒子群算法求解方法分析
3.3.2 基于粒子群算法求解模型各参数值
3.4 粒子群算法求解蕞优值的评价方法
3.5 本章小结
4 实验验证
4.1 实验环境与实验数据集
4.2 各训练参数求最优解的实验结果与分析
4.2.1 CRBM网络深度实验结果与分析
4.2.2 输入节点数求解分析
4.2.3 隐含节点数求解分析
4.2.4 学习率求解分析
4.3 与传统预测方法的对比实验结果与分析
4.4 赤潮生物量趋势预测的实验结果与分析
4.5 原型系统实现
4.6 本章小结
5 结论与展望
5.1 工作总结
5.2 主要研究特色
5.3 展望
参考文献
作者简历及攻读硕士期间科研成果