基于BP神经网络模型的浅海分层海底地声参数反演方法.pdf
王秋****哥哥
亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于BP神经网络模型的浅海分层海底地声参数反演方法.pdf
本发明属于海洋工程领域,具体涉及一种基于BP神经网络模型的浅海分层海底地声参数反演方法,包括:构建浅海声场正演模型,获得流体中各点声压值,构成声压数据集p;构建BP神经网络模型;训练矫正S2中的BP神经网络模型,使其符合浅海声场正演模型下的地声参数反演需要;将实测声压代入BP神经网络模型,得到预设环境模型中各项待反演地声参数值,包括海底分层结果的预测。通过对构建模型中神经元权值和阈值的调整,使整个神经网络模型快速逼近实测数据与待反演地声参数间的映射关系,在相同精度要求下,较现有寻优算法反演效率更高,并且确
基于海底单参数模型的舰船噪声地声反演的开题报告.docx
基于海底单参数模型的舰船噪声地声反演的开题报告一、研究背景:随着经济和科技的快速发展,海洋领域的发展也越来越受到人们的关注。在这些发展中,舰船噪声地声反演技术扮演了非常重要的角色。但是,这个技术还存在很多瓶颈问题,比如海底多参数反演模型受到的限制,以及算法的不足等问题。本研究基于海底单参数模型的舰船噪声地声反演,在传统算法基础上,提出了一种基于海底单参数模型的噪声地声反演算法,旨在提高算法精度、减少计算时间、提高反演效率等。二、研究意义:海洋资源开发、环境保护和海军作战等方面,都需要对海底的环境和水声特性
基于DE-BP算法的神经网络模型的参数训练方法.pdf
本发明公开了基于DE‑BP算法的神经网络模型的参数训练方法,包括:对待分类样本数据集进行预处理,按比例划分为训练集和测试集,根据预处理后待分类样本数据构建前馈神经网络模型;利用样本训练集对每个编码后的个体在前馈神经网络模型向前传播过程中训练,计算前馈神经网络模型的预期值和真实值之间的误差,将误差作为个体的适应度值;利用样本训练集训练前馈神经网络模型,分别利用DE算法和BP算法训练编码后的种群,获得种群最优个体;利用带有最优参数的前馈神经网络模型对样本测试集进行测试,得到最佳的分类精度。本发明基于DE‑BP
精梳毛纺纺纱参数神经网络反演模型的开题报告.docx
精梳毛纺纺纱参数神经网络反演模型的开题报告开题报告:精梳毛纺纺纱参数神经网络反演模型一、选题背景纺织品行业是我国传统的支柱产业之一,而纺纱作为纺织工业的基础生产环节,其加工质量和织造性能直接关系到后续工艺加工和用纺织品的质量。精梳毛纺纱是一种高品质的氨纶混纺纱,由于其防皱、耐磨、柔软等优良性能,越来越受到人们的青睐。然而,由于生产过程中参数的影响,精梳毛纺纱产生的质量差异较大。因此,探索一种可靠的精梳毛纺纱参数识别技术,对保证产品质量、提高生产效益、降低生产成本具有很大的现实意义。二、研究内容和目的针对目
基于单固定水听器和单移动声源的海洋地声参数反演方法.pdf
本发明公开了一种基于单固定水听器和单移动声源的海洋地声参数反演方法。所述反演方法包括:利用单固定水听器采集由移动合作声源产生的水声信号;利用声传播的互易性,利用声源移动带来的空间增益,构建虚拟合成阵列接收信号;利用KRAKEN前向模型,在多普勒情况下,计算拷贝声场;对接收信号进行傅立叶变换,在指定频率上,使用频率相干的BARTLETT相关器作为目标函数,计算拷贝声场和测量声场的匹配程度;利用差分进化算法,获取使得匹配程度达到最大值的最优地声参数估计。本发明提供的单固定水听器和单移动声源的海洋地声参数反演方