[发明专利]一种基于BP神经网络的海洋测量周期评定方法

说明书

本发明公开了一种基于BP神经网络的海洋测量周期评定方法。所述方法包括：采集待测海域的水深变化、港口等级、比例尺、水深变化影响程度、AIS轨迹分析和岸线地形；将上述数据输入预先建立和训练好的海洋测量周期评定模型，得到待测海域测量周期；所述海洋测量周期评定模型采用经优化改进的BP神经网络结构。本发明可以有效将过往的海洋测量周期评定经验与BP神经网络模型进行结合，与我国海洋沿海港口航道水域实际情况相符，实现了一种科学定量的海洋测量周期评定方法；同时考虑海洋测量数据特点和样本数量，对BP神经网络进行优化改进，选取的隐含层激励函数经测试具有良好的计算效果，得出最终的模型具有唯一性。

技术领域

本发明涉及海洋测绘技术领域，尤其涉及一种基于BP神经网络的海洋测量周期评定方法。

背景技术

海洋测量是海图数据编绘生产的直接来源，海图数据的精确性、时效性直接关系到人员和船舶的安全。然而，海洋测量是一项资金、时间、人力密集型工作，全海域的测量工作是一项短期内不可能完成的工作。据国际海道测量组织(IHO)统计，当前全球海洋已精确测量的水域面积不足15％，即便是沿海200米内的测量面积也不到50％。在这种背景下，如何解决资金、时间和人力条件不足与航行用户需求之间的矛盾是海洋测量亟需解决的问题。

该问题的本质是一种多条件下的决策分析与优化问题。解决问题的关键是将现有资源用在重要、紧急、需求大、交通繁忙、自然条件变化明显的水域，即何时、多久对同一水域开展测量，做到资源的最大化利用。然而，当前海洋测量周期主要是根据水深、岸线等自然条件的变化以及海图的需求量，通过专家打分和工作经验进行评定，未形成一种客观、科学、定量的方法。

人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。应用人工神经网络可以解决多条件下的决策分析与优化问题，将已有的经验和知识进行量化，从而形成相对固定的数据模型。在人工神经网络中，BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或和一些其他问题。从结构上讲，BP网络具有输入层、隐藏层和输出层；从本质上讲，BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值。本发明同时考虑海洋测量数据特点和最大样本数量，对BP神经网络进行优化改进，选取的隐含层激励函数经测试具有良好的计算效果，得出最终的模型具有唯一性。

发明内容

针对海洋测量资源受限情况下的工作决策分析问题，本发明的目的在于克服上述现有技术缺陷，提出了一种基于BP神经网络的海洋测量周期评定方法。在现有资金、人力、时间条件下，优化海洋测量工作，合理分配资源。

为了实现上述目的，本发明提出了一种基于BP神经网络的海洋测量周期评定方法，所述方法包括：

采集待测海域的水深变化、港口等级、比例尺、水深变化影响程度、AIS轨迹分析和岸线地形；

将上述数据输入预先建立和训练好的海洋测量周期评定模型，得到待测海域测量周期；

所述海洋测量周期评定模型采用经优化改进的BP神经网络结构。

作为上述方法的一种改进，所述海洋测量周期评定模型的输入为水深变化、港口等级、比例尺、水深变化影响程度、AIS轨迹分析和岸线地形，输出为测量周期；所述海洋测量周期评定模型包括输入层、隐含层和输出层。

作为上述方法的一种改进，所述方法还包括海洋测量周期评定模型的训练步骤；具体包括：

建立训练集；

设定网络初始化参数；

将训练集数据输入BP神经网络；

计算隐含层输出；

根据隐含层输出计算预测输出；

根据期望和输出预测输出计算网络预测误差；