發(fā)布時間：2020-08-25 13:28

【摘要】： 隨著海洋資源的開發(fā)和使用,海洋受到了嚴重的污染,其中石油污染表現(xiàn)得尤為突出。溢油事故往往造成大面積海域污染,危害十分巨大。因此實時地、正確地監(jiān)測溢油具有重大意義。 本文認真對比了國內外已有的溢油識別方法,分析了以往的人工神經(jīng)網(wǎng)絡激光熒光光譜識別速度較慢、精度不是很高的原因。提出以光譜形狀作為溢油識別的關鍵特征,并引入基于統(tǒng)計學習理論的支持向量機(SVM)方法來識別溢油熒光光譜的種類。 在人工神經(jīng)網(wǎng)絡眾多的模型中,選擇了應用比較廣泛的誤差反向傳播(BP)網(wǎng)絡和徑向基函數(shù)(RBF)網(wǎng)絡。本文的核心工作是建立了BP、RBF網(wǎng)絡和SVM激光熒光光譜分析識別模型。并利用已有的激光遙感設備獲取光譜對建立的幾種模型進行測試實驗,得到了實驗結果。測試實驗主要考察的是這3種模型的識別精度和速度。 測試實驗得出,BP網(wǎng)絡激光熒光光譜分析識別模型的平均訓練時間16.0280s,正確率為86.7%;RBF網(wǎng)絡激光熒光光譜分析識別模型的平均訓練時間0.6064s,正確率為86.7%;SVM激光熒光光譜分析識別模型的平均訓練時間0.0184s,正確率為96.7%。RBF網(wǎng)絡和SVM兩種識別模型的訓練耗費時間較少。BP網(wǎng)絡識別模型的訓練所要耗費的時間顯然大些。在識別的精度方面,BP網(wǎng)絡和RBF網(wǎng)絡模型的沒有差別,而SVM模型的更好。 結果表明,SVM激光熒光光譜分析識別模型的績效是最好的。它是一種很有前途的方法。
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2008
【分類號】：P744.4
【圖文】：

5.4實驗的結果實驗得到了原油、重油、柴油、汽油90#、汽油93#、汽油97#、機油、艦用燃料油、海藻和海水共十種物質的熒光光譜，如圖5.3所示。其中橫軸表示激光激發(fā)的熒光波長，設定為360一684nm;縱軸表示激光激發(fā)的熒光光譜的相對強度，設定為0一16000。圖5.3十種物質的光譜(本論文獨立完成) Fig.5.3SPeetruznof10kindsofsubstance

函數(shù)【label，aeeurae扒dee一alues」=svmPrediet(svmdaishibi習abel，svmdaishibie--inst，model):到分類的類別。.3軟件編寫步驟.3.1生成VC主界面本文采用VC一來編寫軟件的窗口界面與輸出，如下圖所示。主界面分為三分:界面左邊部分是識別結果顯示區(qū)。界面右面部分是原始光譜數(shù)據(jù)和經(jīng)過的光譜數(shù)據(jù)的顯示區(qū)，顯示的光譜范圍從36Onln一684nln。當訓練以及測試結將會給出識別結果。

【引證文獻】

相關碩士學位論文 前1條

1 楊倩倩;高光譜溢油圖像特征提取在油種識別中的應用[D];大連海事大學;2010年

本文編號：2803751