期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CNN-SVR网络的黄渤海近岸海域叶绿素a浓度预测
1
作者
王晓霞
汪健平
+4 位作者
王佳莹
孙珊
苏博
姜会超
朱明明
《海洋预报》
CSCD
北大核心
2024年第4期77-87,共11页
利用海洋卫星观测数据和黄渤海近岸海域实测生态水质数据,建立了一种基于卷积神经网络结合支持向量回归(Convolutional Neural Network-Support Vector Regression,CNN-SVR)的深度学习网络模型的叶绿素a浓度预测方法。采用皮尔逊方法对...
利用海洋卫星观测数据和黄渤海近岸海域实测生态水质数据,建立了一种基于卷积神经网络结合支持向量回归(Convolutional Neural Network-Support Vector Regression,CNN-SVR)的深度学习网络模型的叶绿素a浓度预测方法。采用皮尔逊方法对叶绿素a与环境动力因子和生态水质因子作相关分析,发现营养盐因子大多与叶绿素a有显著相关性,水质因子如pH、溶解氧、盐度等与叶绿素a的相关性不大;将黄渤海近岸海域划分为渤海南部与黄海北部、黄海中部,进行春夏、秋冬两个时期1×1和2×2两种卷积核大小的CNN-SVR网络模型实验以及单因子敏感性分析试验。结果显示:卷积核大小为2×2时,CNN-SVR网络模型对训练数据的学习和对测试样本的预测检验效果都更优;渤海南部与黄海北部近岸海域模型预测效果更好。营养盐因子对模型预测能力的影响更显著,悬浮物等水质因子的影响相对较弱。单变量对模型预测的敏感性较弱,多变量整合具有互补性,改善了模型的预测效果。
展开更多
关键词
卷积神经网络结合支持向量回归模型
叶绿素
a
浓度
预测
单因子敏感性分析
海洋卫星
海洋生态水质因子
下载PDF
职称材料
基于时空演变多重特性建模的近海叶绿素浓度时序预测
被引量:
1
2
作者
王成贺
宋宁
+2 位作者
王京禹
刘安安
聂婕
《信号处理》
CSCD
北大核心
2022年第6期1232-1239,共8页
近海环境是沿海地区社会经济发展的关键支撑系统,近海环境的持续恶化对海洋经济的可持续发展带来了巨大挑战。叶绿素浓度的反映了水体理化性质的演变规律,对近海生态环境保护具有重要意义。尽管现有时序叶绿素浓度预测方法能从时空数据...
近海环境是沿海地区社会经济发展的关键支撑系统,近海环境的持续恶化对海洋经济的可持续发展带来了巨大挑战。叶绿素浓度的反映了水体理化性质的演变规律,对近海生态环境保护具有重要意义。尽管现有时序叶绿素浓度预测方法能从时空数据中挖掘有效信息,揭示时空数据的发展趋势和变化规律,但忽略了时空数据的结构化特征以及外界因素/突发因素对叶绿素浓度的影响。因此,本文提出基于时空演变多重特性建模的近海叶绿素浓度时序预测模型,并由四部分构成:自相关时序预测模块预测叶绿素浓度时序变化规律;多视角空间融合预测模块在构建预测点与其他位置叶绿素浓度空间关联性基础上,考虑海域气象状况,提高了空间叶绿素浓度预测的可靠性;基于环境上下文的突变模块通过对极端因素建模,挖掘突变因素与的叶绿素浓度变化的关联;时空动态聚合模块利用结构化模式,结合时间、空间叶绿素预测结果,实现不同圈层全要素近海叶绿素浓度建模。在渤海叶绿素浓度数据上的实验结果表明,该算法模型极大程度提升了近海叶绿素预测模型的准确性与可靠性。
展开更多
关键词
叶绿素浓度预测
时空聚合
集成学习
下载PDF
职称材料
题名
基于CNN-SVR网络的黄渤海近岸海域叶绿素a浓度预测
1
作者
王晓霞
汪健平
王佳莹
孙珊
苏博
姜会超
朱明明
机构
山东省海洋资源与环境研究院
自然资源部空间海洋遥感与应用重点实验室
山东省海洋生态修复重点实验室
出处
《海洋预报》
CSCD
北大核心
2024年第4期77-87,共11页
基金
自然资源部空间海洋遥感与应用重点实验室开放基金(202102002)。
文摘
利用海洋卫星观测数据和黄渤海近岸海域实测生态水质数据,建立了一种基于卷积神经网络结合支持向量回归(Convolutional Neural Network-Support Vector Regression,CNN-SVR)的深度学习网络模型的叶绿素a浓度预测方法。采用皮尔逊方法对叶绿素a与环境动力因子和生态水质因子作相关分析,发现营养盐因子大多与叶绿素a有显著相关性,水质因子如pH、溶解氧、盐度等与叶绿素a的相关性不大;将黄渤海近岸海域划分为渤海南部与黄海北部、黄海中部,进行春夏、秋冬两个时期1×1和2×2两种卷积核大小的CNN-SVR网络模型实验以及单因子敏感性分析试验。结果显示:卷积核大小为2×2时,CNN-SVR网络模型对训练数据的学习和对测试样本的预测检验效果都更优;渤海南部与黄海北部近岸海域模型预测效果更好。营养盐因子对模型预测能力的影响更显著,悬浮物等水质因子的影响相对较弱。单变量对模型预测的敏感性较弱,多变量整合具有互补性,改善了模型的预测效果。
关键词
卷积神经网络结合支持向量回归模型
叶绿素
a
浓度
预测
单因子敏感性分析
海洋卫星
海洋生态水质因子
Keywords
CNN-SVR
chlorophyll-a concentration
sensitivity analysis of single variable
ocean satellite
ecological factors of water quality in ocean
分类号
X145 [环境科学与工程—环境科学]
下载PDF
职称材料
题名
基于时空演变多重特性建模的近海叶绿素浓度时序预测
被引量:
1
2
作者
王成贺
宋宁
王京禹
刘安安
聂婕
机构
中国海洋大学信息科学与工程学部
天津大学电气自动化与信息工程学院
出处
《信号处理》
CSCD
北大核心
2022年第6期1232-1239,共8页
基金
国家自然科学基金(62072418)
中国海洋大学创新交叉团队培育计划(202042008)
+2 种基金
山东省重大科技创新工程(2019JZZY020705)
中国海洋大学科研启动基金
青岛市科技计划重点研发专项(21-1-2-18-xx)。
文摘
近海环境是沿海地区社会经济发展的关键支撑系统,近海环境的持续恶化对海洋经济的可持续发展带来了巨大挑战。叶绿素浓度的反映了水体理化性质的演变规律,对近海生态环境保护具有重要意义。尽管现有时序叶绿素浓度预测方法能从时空数据中挖掘有效信息,揭示时空数据的发展趋势和变化规律,但忽略了时空数据的结构化特征以及外界因素/突发因素对叶绿素浓度的影响。因此,本文提出基于时空演变多重特性建模的近海叶绿素浓度时序预测模型,并由四部分构成:自相关时序预测模块预测叶绿素浓度时序变化规律;多视角空间融合预测模块在构建预测点与其他位置叶绿素浓度空间关联性基础上,考虑海域气象状况,提高了空间叶绿素浓度预测的可靠性;基于环境上下文的突变模块通过对极端因素建模,挖掘突变因素与的叶绿素浓度变化的关联;时空动态聚合模块利用结构化模式,结合时间、空间叶绿素预测结果,实现不同圈层全要素近海叶绿素浓度建模。在渤海叶绿素浓度数据上的实验结果表明,该算法模型极大程度提升了近海叶绿素预测模型的准确性与可靠性。
关键词
叶绿素浓度预测
时空聚合
集成学习
Keywords
chlorophyll concentration
space-time convergence
ensemble learning
分类号
X55 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CNN-SVR网络的黄渤海近岸海域叶绿素a浓度预测
王晓霞
汪健平
王佳莹
孙珊
苏博
姜会超
朱明明
《海洋预报》
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于时空演变多重特性建模的近海叶绿素浓度时序预测
王成贺
宋宁
王京禹
刘安安
聂婕
《信号处理》
CSCD
北大核心
2022
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部