赤潮是指海水中某些浮游植物、原生動物或細(xì)菌在一定環(huán)境條件下爆發(fā)性增殖或聚集在一起而引起的水體變色的一種生態(tài)異�，F(xiàn)象。本文從兩個方面著手完成秦皇島海域赤潮的監(jiān)測。其一,建立基于現(xiàn)場實測數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)赤潮預(yù)測模型；其二,利用MODIS衛(wèi)星遙感數(shù)據(jù),建立檢測秦皇島海域赤潮發(fā)生的模型,并監(jiān)測其發(fā)展趨勢。在利用現(xiàn)場實測數(shù)據(jù)建立基于神經(jīng)網(wǎng)絡(luò)的赤潮預(yù)測模型方面,本文分別應(yīng)用粒子群算法和遺傳算法,建立起PSO-LMBP和GA-LMBP的赤潮預(yù)報模型,以改善LMBP網(wǎng)絡(luò)在學(xué)習(xí)訓(xùn)練中容易陷入局部極小的缺點。經(jīng)仿真實驗證明,該改進(jìn)算法有效提高了赤潮預(yù)報的穩(wěn)定性和準(zhǔn)確度。此外,還構(gòu)建了基于主成分分析PCA算法的GRNN神經(jīng)網(wǎng)絡(luò)赤潮預(yù)測模型。實驗結(jié)果證明,PCA-GRNN神經(jīng)網(wǎng)絡(luò)赤潮預(yù)測模型的預(yù)測精度高,且網(wǎng)絡(luò)收斂快。在利用MODIS遙感數(shù)據(jù)監(jiān)測赤潮方面,本文使用葉綠素a濃度閾值分割法、波段比值閾值分割法、最大似然監(jiān)督分類法、基于決策樹的赤潮信息提取方法,通過ENVI軟件,分別進(jìn)行秦皇島海域的赤潮提取。實驗結(jié)果表明,葉綠素a濃度探測方法對秦皇島海域赤潮探測效果一般,模型尚有待改進(jìn)；波段比值閾值分割模型、最大似然...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 赤潮概述
    1.2 選題背景及研究意義
        1.2.1 課題來源
        1.2.2 秦皇島海域概況
        1.2.3 秦皇島海域近年赤潮發(fā)生情況
        1.2.4 秦皇島海域赤潮生物種類
        1.2.5 研究目的及意義
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 論文篇章結(jié)構(gòu)及技術(shù)路線圖
        1.4.1 篇章結(jié)構(gòu)
        1.4.2 遙感圖像赤潮提取的技術(shù)路線圖
第2章 優(yōu)化的LMBP神經(jīng)網(wǎng)絡(luò)赤潮預(yù)測模型
    2.1 誤差反向傳播網(wǎng)絡(luò)——BP網(wǎng)絡(luò)
        2.1.1 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        2.1.2 誤差反向傳播算法
        2.1.3 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程
        2.1.4 BP神經(jīng)網(wǎng)絡(luò)的局限性
        2.1.5 基于Levenberg-Marquardt法的改進(jìn)算法
        2.1.6 實驗結(jié)果
    2.2 PSO優(yōu)化LMBP網(wǎng)絡(luò)的赤潮預(yù)測模型
        2.2.1 PSO算法
        2.2.2 PSO-LMBP算法
        2.2.3 實驗結(jié)果
    2.3 GA優(yōu)化LMBP網(wǎng)絡(luò)的赤潮預(yù)測模型
        2.3.1 遺傳算法
        2.3.2 GA-LMBP算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.3 用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值的學(xué)習(xí)過程
        2.3.4 實驗結(jié)果
    2.4 三種神經(jīng)網(wǎng)絡(luò)預(yù)測模型的實驗分析
第3章 PCA-GRNN網(wǎng)絡(luò)赤潮預(yù)測模型
    3.1 主成分分析——PCA算法
    3.2 模型輸入因子選擇
        3.2.1 導(dǎo)致赤潮發(fā)生的環(huán)境因子
        3.2.2 數(shù)據(jù)樣本
        3.2.3 數(shù)據(jù)的主成分分析
    3.3 廣義回歸神經(jīng)網(wǎng)絡(luò)——GRNN網(wǎng)絡(luò)
        3.3.1 GRNN神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)
        3.3.2 GRNN網(wǎng)絡(luò)的結(jié)構(gòu)
        3.3.3 GRNN網(wǎng)絡(luò)的特點
    3.4 PCA-GRNN網(wǎng)絡(luò)赤潮預(yù)測模型
        3.4.1 模型設(shè)計
        3.4.2 實驗分析
第4章 衛(wèi)星遙感圖像處理理論基礎(chǔ)
    4.1 衛(wèi)星遙感圖像處理理論基礎(chǔ)
        4.1.1 衛(wèi)星海洋遙感
        4.1.2 水色衛(wèi)星介紹
        4.1.3 遙感數(shù)據(jù)介紹
    4.2 數(shù)據(jù)定標(biāo)
    4.3 輻射校正
    4.4 圖像重采樣
    4.5 幾何校正
    4.6 大氣校正
        4.6.1 大氣校正的必要性
        4.6.2 Flaash模塊介紹
        4.6.3 利用Flaash處理MODIS數(shù)據(jù)
    4.7 圖像裁剪
    4.8 圖像增強(qiáng)
第5章 利用遙感圖像探測秦皇島海域赤潮
    5.1 葉綠素a濃度法提取赤潮信息
        5.1.1 葉綠素遙感的基本原理
        5.1.2 葉綠素提取算法
        5.1.3 赤潮判別
        5.1.4 應(yīng)用結(jié)果
    5.2 波段比值法提取赤潮信息
        5.2.1 赤潮水體光譜特性
        5.2.2 波段比值算法
        5.2.3 應(yīng)用結(jié)果
    5.3 基于目視解譯的監(jiān)督分類赤潮信息提取
        5.3.1 先驗類別知識獲取
        5.3.2 最大似然算法的水體分類
        5.3.4 算法分類的流程
        5.3.5 應(yīng)用結(jié)果
    5.4 基于多波段差值的決策樹赤潮信息提取
    5.5 實驗結(jié)果分析
第6章 總結(jié)
參考文獻(xiàn)
致謝



本文編號：3867995