海浪對人類的海上活動和近岸活動有著巨大的影響,甚至?xí)斐扇藛T與經(jīng)濟的損失。因此波浪高度的準確預(yù)報對人類進行航海、漁業(yè)、海上軍事活動、海上作業(yè)、海上運動、沿海與近岸工程的規(guī)劃與設(shè)計等相關(guān)活動至關(guān)重要。臺灣海峽是我國最大的海峽,它位于東海與南海之間,連接著祖國大陸與寶島臺灣,既是東洋海洋史上貿(mào)易線路上的重要水域,同時也是近代地緣政治戰(zhàn)略要點。臺灣海峽內(nèi)人工作業(yè)、生產(chǎn)活動與航運日漸頻繁,因此需要對海峽內(nèi)進行及時、準確的波浪預(yù)報來保障這些活動的順利進行,避免人員與經(jīng)濟的損失。波浪預(yù)報是海浪研究的主要目的,波浪預(yù)報有兩種模式,針對預(yù)報點的單點波浪預(yù)報以及針對大面積海域的區(qū)域波浪預(yù)報。海浪研究一般采用兩種方法,一種是動力學(xué)方法,一種是統(tǒng)計學(xué)方法。以統(tǒng)計學(xué)為理論支撐的深度學(xué)習(xí)是當前人們關(guān)注的技術(shù)熱點,尤其是隨著人工智能的興起與飛速發(fā)展,深度學(xué)習(xí)更是越來越成為科研領(lǐng)域以及商業(yè)應(yīng)用領(lǐng)域關(guān)注的焦點,很多研究人員或者是商業(yè)公司都將其應(yīng)用到自己的項目中去。深度學(xué)習(xí)模型因其具有良好的自適應(yīng)學(xué)習(xí)和非線性映射能力,對事物發(fā)生的物理機制不一定要了解得十分清楚,適合用于處理那些物理機制復(fù)雜、因果關(guān)系和推理規(guī)則難以確定的... 

【文章來源】：福建農(nóng)林大學(xué)福建省

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

Sigmoid函數(shù)圖形

圖 2-2 Sigmoid 函數(shù)圖形數(shù)的函數(shù)值分布在(0，1)區(qū)間，因此它可以將輸入復(fù)雜性。數(shù)稱為雙曲線正切函數(shù)，它的函數(shù)曲線與 Sigmoid相互變換，其計算見公式 2-3，函數(shù)圖形見圖 2 ( ) = =

圖 2-4 Relu 函數(shù)圖形比傳統(tǒng)的 Sigmoid 函數(shù)能夠有效緩解梯度消失的，減少計算過程。訓(xùn)練目的就是為了能找到一組最好的權(quán)值參數(shù) 數(shù)是否最優(yōu)則需要評估在該參數(shù)條件下，預(yù)測值函數(shù)（lossfunction）就是用來評估神經(jīng)網(wǎng)絡(luò)模型程度，也是神經(jīng)網(wǎng)絡(luò)中要優(yōu)化的目標函數(shù)，神經(jīng)函數(shù)的過程，損失函數(shù)越小，說明神經(jīng)網(wǎng)絡(luò)模型的預(yù)測效果越好。從學(xué)習(xí)任務(wù)的類型出發(fā)，損失損失。本文所研究的海浪預(yù)報是連續(xù)值的預(yù)測問介紹兩個常見的回歸損失函數(shù)。

【參考文獻】：
期刊論文
[1]關(guān)于深度學(xué)習(xí)的綜述與討論[J]. 胡越,羅東陽,花奎,路海明,張學(xué)工.  智能系統(tǒng)學(xué)報. 2019(01)
[2]基于舟山多年風(fēng)浪資料的近海海浪預(yù)報研究[J]. 張?zhí)A廉,陳淑琴,陳梅汀.  海岸工程. 2018(03)
[3]我國海洋氣象數(shù)值預(yù)報業(yè)務(wù)發(fā)展與思考[J]. 黃彬,閻麗鳳,楊超,徐晶.  氣象科技進展. 2014(03)
[4]臺灣海峽及近岸區(qū)域精細化海浪數(shù)值預(yù)報系統(tǒng)[J]. 馮芒,張文靜,李巖,史劍,蔡丹.  海洋預(yù)報. 2013(02)
[5]GA-BP神經(jīng)網(wǎng)絡(luò)在羅源灣口波浪模擬研究中的應(yīng)用[J]. 于小龍,潘偉然,張國榮,崔文惠,林毅輝,駱智斌.  臺灣海峽. 2012(02)
[6]海峽西岸經(jīng)濟區(qū)可持續(xù)發(fā)展的思考——兼談閩臺海域海洋環(huán)境合作管理機制的構(gòu)建[J]. 林少東,李霞.  就業(yè)與保障. 2010(04)
[7]臺灣海峽氣候特點分析[J]. 郭婷婷,高文洋,高藝,龔鋒.  海洋預(yù)報. 2010(01)
[8]人工神經(jīng)網(wǎng)絡(luò)在海洋科學(xué)中的應(yīng)用[J]. 吳風(fēng)霞,李純厚,戴明.  南方水產(chǎn). 2009(01)
[9]海浪數(shù)值模式研究回顧與進展[J]. 聞斌,劉俊.  海洋預(yù)報. 2006(04)
[10]人工神經(jīng)網(wǎng)絡(luò)在海浪數(shù)值預(yù)報中的應(yīng)用[J]. 齊義泉,張志旭,李志偉,李毓湘,施平.  水科學(xué)進展. 2005(01)

博士論文
[1]基于深度學(xué)習(xí)的非受控場景下人耳檢測和識別[D]. 張義.北京科技大學(xué) 2018
[2]基于深度學(xué)習(xí)的圖像分類[D]. 孫煒晨.北京郵電大學(xué) 2017

碩士論文
[1]基于深度學(xué)習(xí)的人臉年齡估計算法研究[D]. 顧正東.南京郵電大學(xué) 2018
[2]基于深度學(xué)習(xí)的圖片驗證碼識別算法研究[D]. 張樂樂.青島科技大學(xué) 2018
[3]基于深度學(xué)習(xí)的人臉識別方法的研究[D]. 王震.蘭州理工大學(xué) 2018
[4]基于長短記憶模式遞歸神經(jīng)網(wǎng)絡(luò)（LSTM-RNN）的異步電機參數(shù)辨識研究[D]. 陳龍.安徽大學(xué) 2018
[5]基于深度學(xué)習(xí)的文本情感分析研究[D]. 黃瓊霞.福建農(nóng)林大學(xué) 2018
[6]基于LSTM深度神經(jīng)網(wǎng)絡(luò)的股市時間序列預(yù)測精度的影響因素研究[D]. 毛景慧.暨南大學(xué) 2017
[7]“天眼查”分布式爬蟲系統(tǒng)中驗證碼識別模塊的設(shè)計與實現(xiàn)[D]. 張澤陽.北京交通大學(xué) 2017
[8]深圳大鵬灣波浪數(shù)值預(yù)報研究[D]. 方瑩.清華大學(xué) 2015
[9]海浪數(shù)據(jù)分析及預(yù)報的數(shù)學(xué)模型研究[D]. 李加蓮.哈爾濱工程大學(xué) 2008
[10]廈門灣常風(fēng)浪場數(shù)值模擬研究[D]. 鄭吉祥.廈門大學(xué) 2008



本文編號：3042604