冰风险预测的应用仍存在定限制与不足对监测数据的完备性要求较高，小波神经网络对冰厚神经网络图神经网络下载原图在构建神经网络模型中，设定网络的外部序列为，反馈层输出，网络的输出，则网络描述为式中和分别是隐层和输出层的传递函数和分别为输入层至隐层反馈层至隐含层及隐含层至输出层的连接权矩阵。探讨海冰风险短期预报研究中机械学习理论的应用海洋灾害论文。根据训练结果，分别得到神经网络预测冰流速冰流向的测试样本实际值预测值对比如图图。其中冰流速平均预测误差，冰流向平均预测误差。图神经网络冰流速预测图图波神经网络两种方法，开展渤海油气开发海域冰情预测方法研究。传统的神经网络很难选择较好的学习率，并且容易出现局部过拟合而找不到正确的解，相比之下反馈型神经网络中的神经网络拥有几个稳定状态。当网络从初始状态开始移动时，网络系统总是可以达到稳定的状态，通过设计网络的权重，使得网络稳定的平衡状态能被储存到网络中。时序小波分析和神经网络相结合的小波神经网络预测模型既具有小波变换中所显现的时域频域的局部化特点，同时又有神经网络较好的自学习能力。考虑冰情随时间变化的相关性，小波变换的主要优势探讨海冰风险短期预报研究中机械学习理论的应用海洋灾害论文动力学中本构模型研究的若干进展力学进展，曲平，赵进平，李淑江，等渤海海冰中太阳辐射的光谱特征观测研究海洋学报中文版，顾卫，顾松刚，史培军，等海冰厚度的时间变化特征与海冰再生周期研究资源科学，李志军，隋吉学，严德成，等辽东湾平整固定冰冰温及其他物理特性的测定与分析海洋学报，黄焱，袁光奇，马健钧海冰弯曲破坏下的破坏准则数值模拟方法研究数学的实践与认识，薛彦卓，倪宝玉极地船舶与浮体结构物力学问题研究综述哈尔滨工程大学学报，季顺迎，岳前进，赵凯渤海海冰动力学的质点网格法数值模拟水动力学冰厚短时间隔的预测精度较好，但随着预测时长的增加，受制于样本格式与海域环境波动，预测精度已无法满足工程需求神经网络冰厚预测模型预测精度在与的预测中预测精度变化不大，均能保持在较好的精度范围内神经网络预测结果中存在定数量的奇异值，统计发现，预测偏差较大时所对应冰厚普遍处于薄冰范围，随着冰厚的增加，预测精度趋于稳定，神经网络预测方法对较厚冰层厚度的准确预测，对冰区海洋资源开发安全保障更具优势在后续应用神经网络的冰流速与来冰方向预测中，模型预测精度都处于型预测精度达到左右。关键词神经网络冰情预测小波分解海冰管理海洋灾害在大部分结冰海域，海冰是影响海洋资源开发安全的重要因素，其威胁远大于波浪和海风。海冰与海洋工程结构相互作用，可能引发包括结构的疲劳破坏振动沉降等多种隐患，历史上曾发生多起相关事故，。海冰管理是抵御海冰风险的有效手段，国际上般通过对面向海冰风险要素的观测预测与风险评价，指导破冰作业，以期减小海上生产作业中的海冰威胁。由于寒区海洋冰情环境的复杂性，能否实现局部海域冰情的准确快速预测已成为提升海冰管理效率的关键问题。根据训图神经网络后冰厚值预测图预测模型误差由式计算得出式中为模型预测误差值为测试样本数量为测试样本输入值为测试样本输出值。算得冰厚预测模型预测误差为。在神经网络冰厚预测模型中，选取的样本共组数据。将样本中前组数据作为训练数据，后组数据作为测试数据。其中最大训练次数和误差目标设定不变。冰厚预测模型中的测试样本实际值预测值对比如图，算得冰厚预测模型预测误差为。探讨海冰风险短期预报研究中机械学习理论的应用海洋灾害论文。摘要海冰管理是抵御寒区海洋资源开发海冰在左右的严重冰情，对油气平台具有较大安全威胁。通过现场监测发现近辽东湾冰情相对稳定，因此选取年年和年油气平台现场实测数据，对神经网络与时间序列小波神经网络两种非线性预测方法在冰情短时预测中的应用开展算例分析，并对预测方法的适用性开展对比讨论。海冰厚度预测分析图海冰要素预测逻辑图神经网络预测模型平整海冰厚度是决定海洋工程结构冰荷载的主要因素，基于平台现场实测数据，以风向风速潮流向潮流速温度初始冰厚参数与冰厚构成的映射关系为例，说明神经网络模型在冰厚预测中的应用函数进行归化处理，设定网络最大训练次数次，训练误差目标。在用神经网络构建冰厚值的预测模型中，选取的样本共组数据。将样本中前组数据作为训练数据，后组数据作为测试数据。将输入数据和目标输出数据进行归化处理，并带入函数，利用函数对网络进行训练。根据训练结果，得到神经网络预测后冰厚值中的测试样本实际值预测值对比如图所示。图小波神经网络后冰厚值预测图图小波神经网络后冰厚值预测图下载原图在构建小波神经网络对后冰厚预测的模型中，由于小波神经网络构测试样本实际值预测值对比如图，算得冰厚预测模型预测误差为。表渤海油气平台现场监测信息下载原表表渤海油气平台现场监测信息本文以渤海辽东湾油气开发海冰管理为例，通过天气预报与海域潮流表获取环境短时预报信息，结合现场冰情监测系统，建立局部温度海风海流初始冰情信息与预测冰厚来冰方向海冰速度信息的映射关系模型，应用的海冰要素具体预测逻辑如图所示。由于渤海环境特点，每年存在左右的严重冰情，对油气平台具有较大安全威胁。通过现场监测发现近辽东湾冰情相对稳定，因此选取年年和年油气平台现场实测数据，对冰厚预测中的预测精度与神经网络相仿，而在预测中的精度偏差较大神经网络在与的冰厚预测中均能保持较好的预测精度，在冰流速与来冰方向预测中，模型预测精度达到左右。关键词神经网络冰情预测小波分解海冰管理海洋灾害在大部分结冰海域，海冰是影响海洋资源开发安全的重要因素，其威胁远大于波浪和海风。海冰与海洋工程结构相互作用，可能引发包括结构的疲劳破坏振动沉降等多种隐患，历史上曾发生多起相关事故，。海冰管理是抵御海冰风险的有效手段，国际上般通过对面向海冰风险要素的观测探讨海冰风险短期预报研究中机械学习理论的应用海洋灾害论文。设臵个输入层神经元，两层分别为个个隐含层神经元和个输出层神经元，其中承接层神经元的个数和隐含层神经元的个数相同。样本采用函数进行归化处理，设定网络最大训练次数次，训练误差目标。在用神经网络构建冰厚值的预测模型中，选取的样本共组数据。将样本中前组数据作为训练数据，后组数据作为测试数据。将输入数据和目标输出数据进行归化处理，并带入函数，利用函数对网络进行训练。根据训练结果，得到神经网络预测后冰厚值中的测试样本实际值预测值对比如图所测模型预测误差为。图小波神经网络后冰厚值预测图预测分析神经网络与小波神经网络对和冰厚预测模型的预测误差如图所示。探讨海冰风险短期预报研究中机械学习理论的应用海洋灾害论文。表渤海油气平台现场监测信息下载原表表渤海油气平台现场监测信息本文以渤海辽东湾油气开发海冰管理为例，通过天气预报与海域潮流表获取环境短时预报信息，结合现场冰情监测系统，建立局部温度海风海流初始冰情信息与预测冰厚来冰方向海冰速度信息的映射关系模型，应用的海冰要素具体预测逻辑如图所示。由于渤海环境特点，每年存海冰再生周期研究资源科学，李志军，隋吉学，严德成，等辽东湾平整固定冰冰温及其他物理特性的测定与分析海洋学报，黄焱，袁光奇，马健钧海冰弯曲破坏下的破坏准则数值模拟方法研究数学的实践与认识，薛彦卓，倪宝玉极地船舶与浮体结构物力学问题研究综述哈尔滨工程大学学报，季顺迎，岳前进，赵凯渤海海冰动力学的质点网格法数值模拟水动力学研究与进展辑，岳前进，季顺迎，于学兵局地海冰数值预测的冰激结构响应计算海洋工程，于嵩松，李思茵，张大勇，王刚，岳前进，李刚基于机械学习理论的海冰风险短期预报研究海的是时间序列模型，然而渤海冬季冰期般从月持续至来年月，当选取冰厚数据间隔时，筛选后的样本数据量相比其它预测模式呈现明显减少。受制于以上因素，在预测模型中选取的样本总数仅为组，其中训练样本数量为组，测试样本数量为组。冰厚预测模型中的测试样本实际值预测值对比如图。算得冰厚预测模型预测误差为。图小波神经网络后冰厚值预测图在构建小波神经网络对后冰厚预测的模型中，提取的可用样本总数仅为组，其中设定训练样本数量组，测试样本数量组。冰厚预测模型中的测试样本实际值预测值对比如图所示。算得冰厚预神经网络与时间序列小波神经网络两种非线性预测方法在冰情短时预测中的应用开展算例分析，并对预测方法的适用性开展对比讨论。海冰厚度预测分析图海冰要素预测逻辑图神经网络预测模型平整海冰厚度是决定海洋工程结构冰荷载的主要因素，基于平台现场实测数据，以风向风速潮流向潮流速温度初始冰厚参数与冰厚构成的映射关系为例，说明神经网络模型在冰厚预测中的应用。设臵个输入层神经元，两层分别为个个隐含层神经元和个输出层神经元，其中承接层神经元的个数和隐含层神经元的个数相同。样本采用测与风险评价，指导破冰作业，以期减小海上生产作业中的海冰威胁。由于寒区海洋冰情环境的复杂性，能否实现局部海域冰情的准确快速预测已成为提升海冰管理效率的关键问题。图神经网络后冰厚值预测图预测模型误差由式计算得出式中为模型预测误差值为测试样本数量为测试样本输入值为测试样本输出值。算得冰厚预测模型预测误差为。在神经网络冰厚预测模型中，选取的样本共组数据。将样本中前组数据作为训练数据，后组数据作为测试数据。其中最大训练次数和误差目标设定不变。冰厚预测模型中的洋技术学报，基金国家重点研发计划资助项目国家自然科学基金资助项目基本科研业务费理科基础科研专项资助项目。摘要海冰管理是抵御寒区海洋资源开发海冰威胁的有效手段，海冰风险的准确快速预测是海冰管理系统的关键组