人工神经网络技术在海浪预报中的应用

利用人工神经网络中的BP算法，建立了南海硇洲岛海区风浪的预报方案。结果表明，人工神经网络方法在海浪的定性及定量预报上，均有较好的拟合历史风浪浪高的能力。该方案对风浪浪高的预报也达到一定的精度。文中还针对BP网络容易产生振荡，易发生不收敛的情况，建立了不同的预报方案并进行了对比分析，达到了较好的预报效果。     

最优化插值同化方法在预报南海台风浪中的应用

由经验的holland台风模型和NCEP再分析风场资料相结合构造出南海台风风场，结果较好地符合了TOPEX／Poseidon(T／P)卫星高度计观测的风速分布。以此作为第三代海浪模式的输入风场，模拟了1999年约克(York)台风经过南海海域的台风浪，并利用T／P卫星高度计观测的有效波高资料对模式进行同化。结果显示，同化影响半径取为2000km效果较好，同化影响时间是35h，同化改善了模式预报的精度。     

台风浪场智能数据库系统

台风及其生成的巨浪是严重的海洋灾害现象，历史受到人们的关注。台风浪场的预报方法大体上有三类，一是以天气学为基础的经验方法；二是统计预报方法；三是基于流体力学的数值预报方法。目前，我国在海浪预报业务中仍以天气学预报方法为主，统计和数值预报方法只起辅助作用。然而，天气学方法往往受到个人经验和手工操作的限制，不但工作效率不高，而且预报效果也受到明显影响。建立台风浪场智能数据库系统，是实现预报业务客观化、     

人工神经网络技术在海底沉积物声速预报中的应用

海底沉积物物理力学若干项参数与其声学性质存在着一定的关系.用回归拟合方法获得海底沉积物声速预报方程存在不足,难以获得3参数以上的声速预报方程.采用人工神经网络智能方法,建立了多参数声速预报神经网络模型.研究表明:2参数神经网络模型的预报误差比相应的2参数回归模型小,3参数神经网络模型的预测精度要高于2参数神经网络模型.为海底沉积物的声速预报提供了一条新途径.     

人工神经网络在潮汐数值预报中的应用

潮汐数值预报经过了几十年的发展,但是其预报精度并不能让人十分满意,本文试图将传统的潮汐数值预报模式与近年来发展迅速的人工神经网络相结合并改进潮汐数值预报的精度。文章建立了一个神经网络系统,采用潮汐数值模式的输出结果作为网络输入,潮位观测资料作为输出,用建立的神经网络进行训练,结果表明人工神经网络可以明显地改进潮汐数值预报的精度。     

定性模拟在台风浪场分析中应用的可行性研究

本文扼要介绍了人工智能定性模拟的理论和方法，并探索了进行台风路径的浪场演变过程定性模拟的可行性，为分析，预测复杂天气系统和海况提供新的途径。     

数值预报产品在台风路径预报中的应用

利用欧洲中期天气预报中心和国家海洋环境预报中心的数值预报产品，形成包括理想台风模型的模式初值，用正压原始方程做台风路径预报，经过１９９４年的６个台风的实时预报试验，效果较好。     

人工神经网络在成山头风预报中的应用

成山头处于山东半岛最东端,由于其特殊的地理位置,使得成山头站的风对黄海海面风有很好的指示作用。本文使用2005年10月—2010年9月NCEP再分析资料(1o×1o)和实况观测资料,采用动态学习率BP网络(前馈反向传播Back Propagation,简称BP网络)算法的人工神经网络建立模型,在对T639数值预报产品解释释用基础上,针对成山头站进行了24 h和48 h模拟预测。模型预测结果显示,BP网络模型对成山头站的风力预报相对T639模式的平均绝对误差降低了28.2%(24 h)和19.7%(48 h)。对容易致灾的6级以上大风准确率提高显著,尤其是在T639模式对8级以上大风完全漏报情况下,BP模型在24 h仍有25%的预报准确率,48 h能达到50%的准确率。     

叠加风场在南海台风浪数值后报中的应用研究

根据经验风场与NCEP再分析风场的优缺点,采用两者相叠加的方式构造了一种叠加风场,与实测风速资料对比验证显示该风场精度较高。以叠加风场数据为输入,采用WAVEWATCH Ⅲ模式对南海海域有显著影响的8场台风进行计算,结果显示叠加风场计算南海台风浪具有较高的精度和可靠性。     

人工智能技术在热带气旋预报中的应用--台风预报专家系统的设计与实现

随着人工智能技术的发展，使得利用计算机的高速度、高效率、高准确度等优点，结合人工预报天气的思维过程，进行智能化天气预报成为可能。台风预报专家系统就是一个成功的应用，本文对我们进行台风预报的方法进行了阐述，并详细介绍了该专家系统的设计和实现方法。实践表明，台风专家系统预报准确，具有很高的应用价值。     

ANN在海洋预报中的应用

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行海洋预报是可行的。针对海洋预报问题,初步建立了基于神经网络的预报分析系统,给出了应用实例。     

人工神经网络在风暴潮增水预报中的应用

本文根据1967～1982年问影响湛江站增水的热带气旋资料，选取了其中对湛江站增水影响比较显著的因子，运用人工神经网络中的BP算法，建立了湛江站风暴潮增水预报的人工神经网络模型，并使用贝叶斯优化算法提高了BP网络模型的预报能力，结果表明所建BP网络模型的训练拟合效果和预报效果都比较好。表明该网络模型可以用于湛江站风暴潮增水的预报。同时本文也为其它的港口、码头等近岸海洋工程风暴潮增水的预报提供了一个有效可行的方案。     

海浪实况分析与预报信息化处理

我们利用现有的数学方法和计算机技术,对传统的海浪实况分析和预报方式进行了重大的改造,对等值线的分析、绘制、平滑和删除、船舶报资料的解码等技术方法,进行了相关的探索和研究。本文主要介绍等值线追踪法的应用、混合函数平滑法的应用和船舶报资料处理等内容,并简要介绍了在实际应用中我们对关键难点的处理办法。等值线绘制的实现,解决了实现海浪实况分析和预报信息化、业务化的难题。     

1990—1991年冬季渤海冰情及其数值预报（Ⅱ）

该项工作使用国家海洋环境预报中心研究部海冰组研制的动力—热力海冰数值预报模式,利用卫星遥感海冰图片、海洋站和船舶观测资料,对1990～1991年度渤海海冰进行了准业务化预报,并实时向渤海石油公司海上作业提供预报服务。预报结果比较客观地反映了本年度渤海海冰发展和衰减的过程,受到了用户的好评。预报精度达到了国家规定的标准。     

神经网络技术在碳氧比能谱测井中的应用

为了充分利用碳氧比能谱测井中的各种信息，以BP神经网络基本原理为理论基础，发挥神经网络自动识别的优势，研究并建立了预测碳氧比含油饱和度的非线性神经网络模型，通过对实际取心井资料的应用，说明该方法是一种有效的方法。     

瑞利参数在海浪波高机器学习预测中的应用

海浪直接影响海上活动和航行安全,同时也蕴藏着巨大的可再生能源,对海浪核心参数之一波高预测至关重要。基于2015年7月～2022年6月山东小麦岛(36°N,120.6°E)站点实测的波高数据,利用反向传播神经网络(back-propagation neural network,BPNN)、长短记忆网络(long short-term memory, LSTM)和支持向量机回归(support vector regression, SVR)三种机器学习模型对波高进行预测,并分析了瑞利参数的引入对预测结果的影响。结果显示,模型输入项引入瑞利参数后,对1 h和6 h波高预测提升效果有限,预测值与测试集的相关性提升不超过0.02,均方根误差的降低不超过0.01 m;在12h和24h的预测中,BPNN和LSTM模型预测结果相关性提升0.03～0.07,均方根误差降低0.02～0.03m,而SVR模型预测结果变化不显著。说明瑞利参数有助改善BPNN和LSTM模型中长期海浪预报。此外,特征扰动方法(机器学习中特征重要性的计算方法之一)验证了瑞利参数在波高预测中的重要性,瑞利参数的引入为波高的机器学习预...     

利用BP神经网络标准化东南太平洋茎柔鱼(Dosidicus gigas)资源丰度

东南太平洋茎柔鱼(Dosidicus gigas)是短生命周期大洋性经济鱼类,其资源量受环境因素变化的影响较大。根据我国鱿钓船队2013~2017年在东南太平洋的生产统计数据,结合海洋环境数据包括海表面温度(SST)、海表面盐度(SSS)、叶绿素a浓度(chl a),运用BP神经网络(back propagation network)模型来标准化单位捕捞努力量渔获量(catch per unit effort, CPUE,也称名义CPUE)。以均方误差(mean square errors, MSE)和平均相对变动值(average relative variances, ARV)为最优模型判断依据,比较隐含层节点3-10的神经网络模型,发现6-9-1结构为最优模型。用Garson算法解释模型结果,发现各输入层因子对东南太平洋茎柔鱼资源丰度影响重要度排序为chl a、SST、经度(Lon)、SSS、纬度(Lat)、月份(Month)。并作名义CPUE和标准化CPUE资源丰度对比分布图,结果显示CPUE与标准化CPUE总体分布状况基本一致,但局部区域存在明显差异, 80°~85°W及10°~20°S海域适宜鱿钓生产,表明BP神经网络模型可以适用于东南太平洋茎柔鱼的CPUE标准化,从而为鱿钓渔业生产提供一定参考依据。     

海冰业务化预报基础研究进展

本文概述了我国近年来在海冰预报基础研究方面的工作进展情况,着重介绍了在我国海冰的气候成因、海冰分布特征和变化规律等方面的研究成果.     

Rossby波对菲律宾以东太平洋海平面年际变化的影响研究

采用能够反映斜压大洋对大尺度海表面风应力旋度响应的一层半约化重力模式研究菲律宾以东太平洋海区Rossby波与海平面年际变化的关系.模式分别利用海区东侧验潮站和卫星高度计海表面数据作初始东边界,对Rossby波西传路径上的风应力旋度进行积分,得到西侧海平面信号.结果发现,模拟的海平面信号跟验潮站和卫星高度计资料相关性很高,并能模拟出海平面年际变化特征和低(高)异常信号由东侧产生并向西传播的过程,反映了一阶斜压Rossby波对菲律宾以东太平洋海区年际海平面变化的动力机制.     

基于BP神经网络的湖南镇水库叶绿素a浓度预测模型的研究

以湖南镇水库2006-2007年间的监测资料为基础,利用插值和主成分分析法,运用BP人工神经网络方法构建预测模型,探求叶绿素a浓度与总氮、总磷、溶解氧等5项环境因子之间的关系,选出最佳预测模型,并对模型进行敏感度分析.结果显示:(1)BP神经网络模型对叶绿素a浓度预测值与实测值之间拟合程度良好,相关系数达到了0.95,...