| 基于机械学习理论的海冰风险短期预报研究 |
|
| |
| DOI： |
| 中文关键词: 海冰管理，冰情预测，Elman神经网络，小波分解 |
| 英文关键词: |
| 基金项目: |
| 作者 | 单位 | | 于嵩松 | 1. 大连理工大学,海洋科学与技术学院,辽宁 盘锦 124221； | | 李思茵 | 1. 大连理工大学,海洋科学与技术学院,辽宁 盘锦 124221； | | 张大勇 | 1. 大连理工大学,海洋科学与技术学院,辽宁 盘锦 124221； | | 王刚 | 1. 大连理工大学,海洋科学与技术学院,辽宁 盘锦 124221； | | 岳前进 | 1. 大连理工大学,海洋科学与技术学院,辽宁 盘锦 124221；2.大连理工大学 工业装备结构分析国家重点实验室,辽宁 大连 116023 | | 李刚 | 2.大连理工大学 工业装备结构分析国家重点实验室,辽宁 大连 116023 |
|
| 摘要点击次数: 1096 |
| 全文下载次数: 991 |
| 中文摘要: |
| 海冰管理是抵御寒区海洋资源开发海冰威胁的有效手段，海冰风险的准确、快速预测是海冰管理系统的关键组成部分。本文面向海冰管理中的冰情短时预测需求，明确了基于现场监测的海冰风险预测模式，开展了应用机械学习理论的海冰风险短时预测方法研究，并以渤海辽东湾海冰管理为例，讨论了神经网络与小波分解等非线性预测方法在冰情短时预测中的适用性。结果表明，时间序列小波神经网络在短时（6h）冰厚预测中的预测精度与Elman神经网络相仿，而在24h~48h预测中的精度偏差较大；Elman神经网络在6h、24h与48h的冰厚预测中均能保持较好的预测精度，在冰流速与来冰方向预测中，模型预测精度达到80％左右。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 下载PDF阅读器 |
|
|
|
