基于神经网络的WOA13数据的海洋温跃层分析

基于神经网络的WOA13数据的海洋温跃层分析

论文摘要

近些年来,由于陆地资源的不断枯竭,海洋内丰富的资源以及复杂的环境已经成为各个国家研究的重点,其中海洋温跃层从战略上来说是非常重要的研究方向。随着技术的不断进步,科技的不断发展,研究人员终于可以通过硬件设施对海水内的信息进行记录和研究,但由于海洋过于庞大,并且海水会对水下的硬件设施造成腐蚀,每一次研究都投入新的设施的成本过于高昂,也是不切合实际的,所以利用最新的互联网技术以及机器学习等技术对海洋数据进行研究是势在必行的。在当今深度学习广泛应用的背景下,神经网络的使用已经深入到了各个领域,以其为基础设计开发的神经网络也被大量的应用于各类研发当中,其中残差网络以其优越的性能成为研发人员使用的重点。本文实验数据源我们选择WOA13(世界海洋地图集2013)海洋数据,然后我们对全球海洋数据进行了预处理,将其划分为23940个海洋区域,并按照是否含有温跃层进行了标注,将其以2:1的比例划分为训练集和测试集。本文首先通过使用多种神经网络对WOA13海洋三维数据进行了二分类实验(根据是否含有温跃层分类),其中包括Alex Net、Goog Le Net、VGGNet-16以及Res Net-18网络结构,根据实验结果我们发现Res Net-18网络结构对于处理WOA13海洋三维数据的分类问题的性能是最好的,所以我们将选取残差网络作为我们二分类实验的主要网络模型。而后本文提出使用改进的残差网络对WOA13世界海洋地图集海洋区域数据进行分类。首先我们对超参数的使用进行了多组实验,以保证选取最优的超参数来提升网络性能,然后我们对残差单元进行了改进,增加了Dropout保留层以防止过拟合,最终我们使用改进的Res Net-26、改进的Res Net-50、改进的Res Net-101以及经典的Res Net-50、经典的Res Net-101分别对8月份WOA13海洋区域数据进行了分类实验,并对比了实验结果,我们发现改进的Res Net-26的网络性能是最优的,数据分类的精准度是最高的,准确率达到95%以上。并且我们又使用了2月份、5月份以及11月份WOA13的海洋数据进行实验,以排除实验数据造成的实验结果的偶然性,其结果再次证明了改进的Res Net-26网络模型对于WOA13海洋区域数据分类是有效的。

论文目录

  • 摘要
  • abstract
  • 第1章 绪论
  •   1.1 研究背景与意义
  •     1.1.1 研究背景
  •     1.1.2 研究意义
  •   1.2 国内外研究现状
  •     1.2.1 卷积神经网络研究现状
  •     1.2.2 海洋数据研究现状
  •     1.2.3 温跃层研究现状
  •   1.3 本文的主要工作
  • 第2章 相关理论介绍
  •   2.1 温跃层介绍
  •     2.1.1 温跃层
  •     2.1.2 温跃层分类
  •     2.1.3 温跃层判断
  •   2.2 卷积神经网络
  •     2.2.1 卷积神经网络概述
  •     2.2.2 基本概念阐述
  •   2.3 本章小结
  • 第3章 适用于WOA13 数据温跃层分析的神经网络模型选取
  •   3.1 实验环境
  •     3.1.1 硬件环境
  •     3.1.2 Keras
  •   3.2 实验数据
  •     3.2.1 海洋数据源选择
  •     3.2.2 数据选择
  •     3.2.3 数据处理
  •   3.3 网络结构概述
  •     3.3.1 AlexNet网络结构
  •     3.3.2 GoogLeNet网络结构
  •     3.3.3 VGGNet网络结构
  •     3.3.4 ResNet网络结构
  •   3.4 基于多种卷积神经网络的WOA13 数据二分类实验与分析
  •     3.4.1 实验结果
  •     3.4.2 实验分析
  •   3.5 本章小结
  • 第4章 基于改进的残差网络的WOA13 数据的温跃层分析
  •   4.1 实验数据
  •   4.2 超参数选取
  •   4.3 残差网络残差单元的改进
  •     4.3.1 ResNet V2
  •     4.3.2 基于ResNet V2 改进的残差单元
  •     4.3.3 实验验证
  •     4.3.4 保留率设置
  •     4.3.5 实验分析
  •   4.4 改进的残差网络深度寻优
  •     4.4.1 ResNet50与ResNet-101
  •     4.4.2 改进的残差网络深度寻优实验
  •     4.4.3 实验分析
  •   4.5 实验验证
  •   4.6 本章小结
  • 第5章 总结与展望
  •   5.1 全文总结
  •   5.2 研究展望
  • 参考文献
  • 作者简介及在学期间所取得的科研成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 孟祥鹤哲

    导师: 刘军

    关键词: 卷积神经网络,残差网络,温跃层,数据

    来源: 吉林大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 海洋学,自动化技术

    单位: 吉林大学

    分类号: TP18;P71

    总页数: 63

    文件大小: 2773K

    下载量: 106

    相关论文文献

    • [1].抚仙湖水温跃层研究[J]. 海洋湖沼通报 2015(01)
    • [2].全球变暖背景下赤道太平洋温跃层的快慢变化特征与机制[J]. 中国海洋大学学报(自然科学版) 2021(01)
    • [3].温跃层剖面观测水下滑翔器控制系统设计[J]. 电子设计工程 2016(02)
    • [4].垂直信道温跃层引起的传播损失分析[J]. 声学技术 2013(S1)
    • [5].东帝汶海30ka以来的表层水和温跃层水温度变化及其古海洋学意义[J]. 海洋地质与第四纪地质 2015(02)
    • [6].中西太平洋金枪鱼围网鲣鱼自由鱼群捕获成功率与温跃层特性的关系[J]. 上海海洋大学学报 2013(05)
    • [7].海洋所赤道太平洋温跃层内混合理论研究取得进展[J]. 高科技与产业化 2020(08)
    • [8].浅海温跃层对水声传播损失场的影响[J]. 哈尔滨工程大学学报 2014(04)
    • [9].基于相似理论的海洋温跃层模拟水池研究[J]. 中国舰船研究 2012(06)
    • [10].高温天气水产养殖池塘如何防“底热”[J]. 渔业致富指南 2020(06)
    • [11].菲律宾海温跃层的区域性特征及其季节性变化[J]. 海洋通报 2009(04)
    • [12].海洋温跃层对舰船声纳探测的影响评估[J]. 舰船电子工程 2008(02)
    • [13].台湾东南海域的温盐分布特征研究[J]. 南海地质研究 2015(00)
    • [14].纳雍县某水库锰垂直分布研究[J]. 环保科技 2018(01)
    • [15].河蟹养殖实战之“水瘪子病”的形成及防控(下)[J]. 当代水产 2016(08)
    • [16].浅海温跃层对声信道影响的仿真研究[J]. 系统仿真学报 2012(10)
    • [17].垂直梯度法与最优分割法确定温跃层边界的比较分析[J]. 海洋通报 2008(06)
    • [18].某市水厂水库水源锰超标的原因分析及应急处理措施[J]. 城镇供水 2019(03)
    • [19].热带大西洋大眼金枪鱼和黄鳍金枪鱼渔场温跃层的时空变化特征[J]. 应用海洋学学报 2013(03)
    • [20].声速垂直结构变化引起的汇聚区偏移[J]. 海洋科学进展 2010(03)
    • [21].热带太平洋—印度洋温跃层海温异常联合模及其演变[J]. 地球物理学报 2013(10)
    • [22].洋河水库温跃层及水质差异分析[J]. 海河水利 2011(02)
    • [23].南海温跃层时空分布及其对水下通信的影响[J]. 舰船科学技术 2020(11)
    • [24].太平洋金枪鱼渔场关键次表层环境变量的季节变化[J]. 海洋科学 2015(05)
    • [25].印度洋公海温跃层与黄鳍金枪鱼和大眼金枪鱼渔获率的关系[J]. 水产学报 2008(03)
    • [26].三沙永乐龙洞悬浮体垂直分布特征及其影响因素[J]. 海洋学报 2019(11)
    • [27].2016年物理海洋学热点回眸[J]. 科技导报 2017(01)
    • [28].千岛湖水温垂直分布的季节演变对透明溞昼夜垂直迁移的影响[J]. 科技导报 2011(29)
    • [29].云南程海和阳宗海季节性分层及其消退对冬季水华的潜在影响[J]. 湖泊科学 2020(03)
    • [30].澜沧江不同中游水库分层对溶解氧垂向分布的影响研究[J]. 三峡大学学报(自然科学版) 2020(03)

    标签:;  ;  ;  ;  

    基于神经网络的WOA13数据的海洋温跃层分析
    下载Doc文档

    猜你喜欢