【摘要】： 隨著海洋資源的開發(fā)和使用,海洋受到了嚴(yán)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(rèn)真對比了國內(nèi)外已有的溢油識別方法,分析了以往的人工神經(jīng)網(wǎng)絡(luò)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(guān)鍵特征,并引入基于統(tǒng)計學(xué)習(xí)理論的支持向量機(jī)(SVM)方法來識別溢油熒光光譜的種類。 在人工神經(jīng)網(wǎng)絡(luò)眾多的模型中,選擇了應(yīng)用比較廣泛的誤差反向傳播(BP)網(wǎng)絡(luò)和徑向基函數(shù)(RBF)網(wǎng)絡(luò)。本文的核心工作是建立了BP、RBF網(wǎng)絡(luò)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(shè)備獲取光譜對建立的幾種模型進(jìn)行測試實驗,得到了實驗結(jié)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(luò)激光熒光光譜分析識別模型的平均訓(xùn)練時間16.0280s,正確率為86.7%;RBF網(wǎng)絡(luò)激光熒光光譜分析識別模型的平均訓(xùn)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(xùn)練時間0.0184s,正確率為96.7%。RBF網(wǎng)絡(luò)和SVM兩種識別模型的訓(xùn)練耗費(fèi)時間較少。BP網(wǎng)絡(luò)識別模型的訓(xùn)練所要耗費(fèi)的時間顯然大些。在識別的精度方面,BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)模型的沒有差別,而SVM模型的更好。 結(jié)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(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2008
【分類號】：P744.4
【圖文】：

5.4實驗的結(jié)果實驗得到了原油、重油、柴油、汽油90#、汽油93#、汽油97#、機(jī)油、艦用燃料油、海藻和海水共十種物質(zhì)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(shè)定為360一684nm;縱軸表示激光激發(fā)的熒光光譜的相對強(qiáng)度，設(shè)定為0一16000。圖5.3十種物質(zhì)的光譜(本論文獨(dú)立完成) Fig.5.3SPeetruznof10kindsofsubstance

函數(shù)【label，aeeurae扒dee一alues」=svmPrediet(svmdaishibi習(xí)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(jié)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(dāng)訓(xùn)練以及測試結(jié)將會給出識別結(jié)果。

【引證文獻(xiàn)】

相關(guān)碩士學(xué)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(yīng)用[D];大連海事大學(xué);2010年

本文編號：2803751