資源描述：
《基于遞歸神經(jīng)網(wǎng)絡的風暴潮增水預測》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、第１２卷第５期智能系統(tǒng)學報Ｖｏｌ．１２№．５２０１７年１０月ＣＡＡＩＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓＯｃｔ．２０１７ＤＯＩ：１０．１１９９２／ｔｉｓ．２０１７０６０１５網(wǎng)絡出版地址：ｈｔｔｐ：／／ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／２３．１５３８．ＴＰ．２０１７０８３１．１０５８．０１０．ｈｔｍｌ基于遞歸神經(jīng)網(wǎng)絡的風暴潮增水預測１１１２２２雷森，史振威，石天陽，高松，李亞茹，鐘山（１．北京航空航天大學宇航學院圖像處理中心，北京１００１９１；２．國家海洋局北海預
2、報中心，山東青島２６６０００）摘要：風暴潮增水的準確預測能極大地減少人員傷害和經(jīng)濟損失，具有重要的實用價值。傳統(tǒng)的風暴潮預報方法主要包括經(jīng)驗和數(shù)值預報，很難建立起相對準確的模型?，F(xiàn)有的基于機器學習風暴潮預報方法大都只提取出靜態(tài)數(shù)據(jù)間的關(guān)系，并沒有充分挖掘出風暴潮數(shù)據(jù)背后的時序關(guān)聯(lián)特性。文中提出了一種基于遞歸神經(jīng)網(wǎng)絡的風暴潮增水預測方法。本文對風暴潮時序數(shù)據(jù)進行特定的處理，并設計合適結(jié)構(gòu)的遞歸神經(jīng)網(wǎng)絡，從而完成時序數(shù)據(jù)的預測。相較于傳統(tǒng)的ＢＰ神經(jīng)網(wǎng)絡，遞歸神經(jīng)網(wǎng)絡能更好地應對時序數(shù)據(jù)的預測問題。將該方法用于
3、濰坊水站的增水預測中，結(jié)果表明，相對于ＢＰ神經(jīng)網(wǎng)絡，遞歸神經(jīng)網(wǎng)絡能得到更好的預測結(jié)果，誤差更小。關(guān)鍵詞：風暴潮增水；預測；數(shù)值預報；機器學習；靜態(tài)數(shù)據(jù)；時序特性；ＢＰ神經(jīng)網(wǎng)絡；遞歸神經(jīng)網(wǎng)絡中圖分類號：ＴＰ７５１文獻標志碼：Ａ文章編號：１６７３－４７８５（２０１７）０５－０６４０－０５中文引用格式：雷森，史振威，石天陽，等．基于遞歸神經(jīng)網(wǎng)絡的風暴潮增水預測［Ｊ］．智能系統(tǒng)學報，２０１７，１２（５）：６４０－６４４．英文引用格式：ＬＥＩＳｅｎ，ＳＨＩＺｈｅｎｗｅｉ，ＳＨＩＴｉａｎｙａｎｇ，ｅｔａｌ．Ｐｒｅｄｉ
4、ｃｔｉｏｎｏｆｓｔｏｒｍｓｕｒｇｅｂａｓｅｄｏｎｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋ［Ｊ］．ＣＡＡＩｔｒａｎｓａｃｔｉｏｎｓｏｎｉｎｔｅｌｌｉｇｅｎｔｓｙｓｔｅｍｓ，２０１７，１２（５）：６４０－６４４．Ｐｒｅｄｉｃｔｉｏｎｏｆｓｔｏｒｍｓｕｒｇｅｂａｓｅｄｏｎｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋ１１１２２２ＬＥＩＳｅｎ，ＳＨＩＺｈｅｎｗｅｉ，ＳＨＩＴｉａｎｙａｎｇ，ＧＡＯＳｏｎｇ，ＬＩＹａｒｕ，ＺＨＯＮＧＳｈａｎ（１．ＩｍａｇｅＰｒｏｃｅｓｓｉｎｇＣｅｎｔｅｒ，ＳｃｈｏｏｌｏｆＡｓｔｒｏ
5、ｎａｕｔｉｃｓ，ＢｅｉｈａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００１９１，Ｃｈｉｎａ；２．ＢｅｉｈａｉＦｏｒｅｃａｓｔＣｅｎｔｅｒｏｆＳｔａｔｅＯｃｅａｎｉｃＡｄｍｉｎｉｓｔｒａｔｉｏｎ，Ｑｉｎｇｄａｏ２６６０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｃｃｕｒａｔｅｌｙｆｏｒｅｃａｓｔｉｎｇｓｔｏｒｍｓｕｒｇｅｓｃａｎｇｒｅａｔｌｙｒｅｄｕｃｅｐｅｒｓｏｎｎｅｌｉｎｊｕｒｉｅｓａｎｄｅｃｏｎｏｍｉｃｌｏｓｓｅｓ，ａｎｄｓｏｈａｓｇｒｅａｔｐｒａｃｔｉｃａｌｖａｌｕｅ．Ｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓ
6、ｆｏｒｐｒｅｄｉｃｔｉｎｇｓｔｏｒｍｓｕｒｇｅｍａｉｎｌｙｉｎｖｏｌｖｅｅｘｐｅｒｉｅｎｃｅａｎｄｎｕｍｅｒｉｃａｌｆｏｒｅｃａｓｔｉｎｇ，ｗｈｉｃｈｍａｋｅｓｉｔｖｅｒｙｈａｒｄｔｏｅｓｔａｂｌｉｓｈａｃｃｕｒａｔｅｍｏｄｅｌｓ．Ｍｏｓｔｏｆｔｏｄａｙ’ｓｓｔｏｒｍｓｕｒｇｅｆｏｒｅｃａｓｔｍｅｔｈｏｄｓｂａｓｅｄｏｎｍａｃｈｉｎｅｌｅａｒｎｉｎｇｏｎｌｙｅｘｔｒａｃｔｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｓａｍｏｎｇｓｔａｔｉｃｄａｔａａｎｄｆａｉｌｔｏｉｄｅｎｔｉｆｙｔｈｅｒｅｌｅｖａｎｔｔｉｍｅｓｅｒｉｅ
7、ｓｐｒｏｐｅｒｔｉｅｓｏｆｔｈｅｓｅｄａｔａ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｏｐｏｓｅａｓｔｏｒｍｓｕｒｇｅｆｏｒｅｃａｓｔｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅｓｔｏｒｍｓｕｒｇｅｄａｔａｉｓｒｅａｒｒａｎｇｅｄｗｉｔｈｐａｒｔｉｃｕｌａｒｔｒｅａｔｍｅｎｔｓ，ａｎｄａｎａｐｐｒｏｐｒｉａｔｅｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｄｅｓｉｇｎｅｄｔｏｐｅｒｆｏｒｍｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｔｈｅｔｉｍｅｓｅｒｉｅｓ．Ｃｏｍｐａｒｅｄｗｉｔｈｔ
8、ｒａｄｉｔｉｏｎａｌＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ｔｈｅｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋｃａｎｂｅｔｔｅｒｆｏｒｅｃａｓｔｔｉｍｅｓｅｒｉｅｓｄａｔａ．Ｉｎｔｈｉｓｓｔｕｄｙ，ｗｅｕｓｅｄａｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｐｒｅｄｉｃｔｓｕｒｇｅｓａｔｔｈｅＷｅｉｆａｎｇｇａｕｇｅｓｔａｔｉｏｎ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋｐｒｏｄｕｃｅ
