学位论文 > 优秀研究生学位论文题录展示

人工神经网络在识别海面溢油中的应用研究

作　者: 于欣洋
导　师: 安居白
学　校: 大连海事大学
专　业: 计算机应用技术
关键词: 人工神经网络激光荧光遥感 PCA RBF BP PCA&BP
分类号: TP391.4
类　型: 硕士论文
年　份: 2006年
下　载: 202次
引　用: 2次
阅　读: 论文下载

内容摘要

保护我们共有的海洋环境已成为当今世界的一大主题,而造成海洋污染的主要元凶就是油类污染。溢油对近海海域的污染,已引起各国政府的重视。我国在激光遥感识别海上溢油方面也作了许多研究,并在算法上取得了了很大的成绩,比如说我国有学者引入了神经网络算法对激光荧光光谱进行识别。激光遥感光谱数据的智能分析系统是一个能够处理非线性数据的系统,由于人工神经网络算法适合处理非线性系统,且具有自组织、自学习、自适应和联想能力,故非常适用于激光遥感光谱数据的智能分析。现在已经有了一些利用人工神经网络建立的激光遥感光谱数据的智能分析系统。本文的核心工作是建立了PCA激光荧光光谱分析识别模型、BP神经网络激光荧光光谱分析识别模型、RBF神经网络激光荧光分析光谱识别模型以及PCA&BP神经网络激光荧光光谱分析识别模型。并利用已有的激光遥感设备对建立的几种模型进行测试实验,得到了实验结果。测试实验主要考察的是这4种模型的识别速度和识别精度。测试实验得出,PCA激光荧光光谱分析识别模型能够有效地识别溢油。神经网络方面,RBF神经网络激光荧光光谱分析识别模型的速度最快,平均训练时间为5.547秒。精度较高,正确率为87.5%;PCA&BP神经网络激光荧光光谱分析识别模型精度最高,正确率为95.833%。速度接近于RBF神经网络,训练时间为7.327秒;BP神经网络不管在速度上和精度上都没有以上提到的两种神经网络优秀。结果表明,PCA&BP神经网络激光荧光光谱分析识别模型的绩效是最好的,RBF神经网络激光荧光光谱分析识别模型也很令人满意。

全文目录

第1章绪论  10-17
  1.1 海洋环境及海面溢油监测的意义  10-11
  1.2 海面溢油监测系统的综述  11-15
    1.2.1 海面溢油监测的方法综述  11-14
    1.2.2 海洋遥感信息的智能分析与识别技术综述  14-15
  1.3 本课题研究的总体实施思路  15-17
第2章激光遥感技术探测海面溢油  17-20
  2.1 海面油膜的形成原因  17
  2.2 激光遥感技术探测海面溢油  17-20
    2.2.1 激光荧光遥感技术探测溢油原理  17
    2.2.2 激光遥感系统  17-18
    2.2.3 激光遥感系统的研究热点和技术难点  18-20
第3章溢油识别的算法技术研究  20-38
  3.1 主分量分析(PCA)与神经网络的介绍  20-25
    3.1.1 主分量分析概述  20
    3.1.2 神经网络概述  20-22
    3.1.3 BP神经网络  22-23
    3.1.4 径向基神经网络  23-25
  3.2 基于智能算法的溢油识别的理论分析与建模  25-38
    3.2.1 PCA对溢油的识别建模  27-30
    3.2.2 BP神经网络建模  30-33
    3.2.3 RBF神经网络建模  33-36
    3.2.4 PCA&BP(主分量分析与BP网络相结合)方法建模  36-38
第4章谱数据的获取及海面溢油光谱智能识别系统的数据准备  38-44
  4.1 设备的介绍  38-40
  4.2 实验的过程  40-42
  4.3 实验的结果  42-43
  4.4 溢油光谱智能识别系统的数据准备  43-44
第5章基于智能算法技术的海面溢油识别系统的实现及测试结果比较分析  44-60
  5.1 开发算法系统的工具选择  44-45
  5.2 主分量分析与神经网络的计算过程  45-50
  5.3 软件编写步骤  50-55
    5.3.1 生成VC主界面  50-51
    5.3.2 编写后台执行的M文件  51
    5.3.3 VC++6.0集成环境中建立MATLAB引擎程序  51-55
  5.4 主分量分析算法的识别结果  55-56
  5.5 神经网络的识别结果  56-60
结论  60-61
参考文献  61-63
攻读学位期间公开发表论文  63-64
致谢  64-65
研究生履历  65

人工神经网络在识别海面溢油中的应用研究

内容摘要

全文目录

相似论文