-
公开(公告)号：CN109284671B
公开(公告)日：2022-02-22
申请号：CN201810869587.8
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于ASMP阈值最优和低通滤波的海水温度场重构算法，在观测区域内进行随机采样，得到采样值后，将温度数据转化为一维列信号的形式，并对温度场进行重构，过程如下：首先进行ASMP算法的初始化并运行ASMP算法，确定细化阈值搜索步骤中的起始阈值，在细化阈值搜索步骤中，运行ASMP算法确定最优输入阈值，将得到的最优阈值作为ASMP算法的输入量，再次运行ASMP算法得到稀疏估计，对稀疏估计进行低通滤波处理，并将一维温度信号还原为二维分布的形式，即可得到温度场的二维分布。本发明改进了ASMP重构算法，通过搜索最优输入阈值，使温度场信号稀疏度的估计更精确；根据温度场信号的特性，对稀疏估计进行低通滤波处理，进一步提高了海洋温度场的重构精度。
-
公开(公告)号：CN111695297A
公开(公告)日：2020-09-22
申请号：CN202010490275.3
申请日：2020-06-02
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种近海面气温反演方法，具体包括步骤一：选择海区并对区域内的数据进行提取和预处理。步骤二：确定输入、输出参量，建立基于循环神经网络近海面气温反演模型。步骤三：权重初始化。步骤四：加入L2参数范式罚项。步骤五：进行BPTT算法的初始化。步骤六：前向传播获得预测值。步骤七：反向传播更新连接权值。步骤八：计算损失函数。步骤九：返回存储网络参数相比于大多数近海面气温方法仅仅利用线性回归及浅层神经网络的方法建模，本发明使用深度神经网络进行建模和训练，从而提高近海面气温反演的精度。
-
公开(公告)号：CN111695297B
公开(公告)日：2022-08-02
申请号：CN202010490275.3
申请日：2020-06-02
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种近海面气温反演方法，具体包括步骤一：选择海区并对区域内的数据进行提取和预处理。步骤二：确定输入、输出参量，建立基于循环神经网络近海面气温反演模型。步骤三：权重初始化。步骤四：加入L2参数范式罚项。步骤五：进行BPTT算法的初始化。步骤六：前向传播获得预测值。步骤七：反向传播更新连接权值。步骤八：计算损失函数。步骤九：返回存储网络参数相比于大多数近海面气温方法仅仅利用线性回归及浅层神经网络的方法建模，本发明使用深度神经网络进行建模和训练，从而提高近海面气温反演的精度。
-
公开(公告)号：CN109284671A
公开(公告)日：2019-01-29
申请号：CN201810869587.8
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于ASMP阈值最优和低通滤波的海水温度场重构算法，在观测区域内进行随机采样，得到采样值后，将温度数据转化为一维列信号的形式，并对温度场进行重构，过程如下：首先进行ASMP算法的初始化并运行ASMP算法，确定细化阈值搜索步骤中的起始阈值，在细化阈值搜索步骤中，运行ASMP算法确定最优输入阈值，将得到的最优阈值作为ASMP算法的输入量，再次运行ASMP算法得到稀疏估计，对稀疏估计进行低通滤波处理，并将一维温度信号还原为二维分布的形式，即可得到温度场的二维分布。本发明改进了ASMP重构算法，通过搜索最优输入阈值，使温度场信号稀疏度的估计更精确；根据温度场信号的特性，对稀疏估计进行低通滤波处理，进一步提高了海洋温度场的重构精度。
-
-
-
Search Results
4
records
(took 0.021 seconds)
