基于时间序列神经网络极值冰厚预测研究.pdfVIP

基于时间序列神经网络的极值冰厚预测研究 许亮斌 陈国明 (石油大学(华东)) 提要：海冰的厚度是海水的主要特性参数，也是影响冰与结构物之问作用力大小的重要 因素．本文将L叫神经网络与时序分析方法相结合提出一种新的模型，用于年极值冰厚预测． 算侧中对鲅鱼圈和渤海四个区域年板值冰厚进行预测，表明用这种方法来进行冰厚预测具有 收敛速度快，精度高等优点，从而提供了一种新的冰戢荷预洲方法，为海洋平台的设计、设 防、维护、堆修提供基础． is of is main oficeandalsooue ice-thicknessthe Summary：The propertyparameter factors iceload onthestructure．This importantwhichinfluencethe acting paperpresents a newmudel of to maximumice—thicimessmeans theannual predict by combining neural timeserialmethod．Theare network(NN)with given Levenberg—Marquardt examples toillustrate the method． validationofthe proposed 关键词：Levenberg-Marquardt方法神经网络板值冰犀时序分析预测 timeserial neuralnetworkice-thickness method Keywords：Levenberg-Marquardt method prediction 1引言 渤海是我国海冰的主要分布地，辽东湾是冰情最为严重的海区，每年冰期为一到四个月， 给海上通航、石油钻采、输送带来了很大的困难。随着近海及滩海油气田的开发，海冰已成为 渤海海域油气勘探开发工程结构物设计的主要控制载荷。同时冰情也是海洋气候预测、预报的 重要组成部分，由于气候系统是一个耗散的、具有多个不稳定源的高阶非线性系统．其复杂的 内部相互作用和自由变化导致了气候的可变性和复杂性：而人工神经网络是—个非线性的动态 系统，通过对样本的学习建立起记忆，然后将未知模式判决为其最接近的记忆。两者的相似性 决定了用神经阿络进行冰厚预测的可能性．多年的年极值冰厚构成一个非线性随机时间序列． 任一时间序列都可视为一个由非线性映射确定的输入输出系统。而神经网络理论中的 Kolmogorov定理为神经网络技术在时间序列中的运用奠定了理论基础．加之神经网络具有自 组织、自学习能力、非线性容错性、并行结构、并行处理信息等特点，用神经网络对时间序列 预测，允许数据中带有较强的噪声，这是其它方法所不能比拟的。本文中将改进型BP神经网 正向传播与误差的逆向传播两个过程组成．它较好地揭示了非线性时间序列的内在相关性．信 息损失较少，易于达