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
1
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
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
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
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