[發(fā)明專利]一種基于徑向基神經(jīng)網(wǎng)絡(luò)的海浪有效波高反演模型建模方法

無效

• 申請?zhí)枺?/td>: 201110031278.1
• 申請日: 2011-01-28
• 公開（公告）號: CN102103708A
• 公開（公告）日: 2011-06-22
• 發(fā)明（設(shè)計）人: 劉利強;戴運桃;盧忐忠;范志超
• 申請（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 北京永創(chuàng)新實專利事務(wù)所 11121
• 代理人: 官漢增

1.一種基于徑向基神經(jīng)網(wǎng)絡(luò)的海浪有效波高反演模型建模方法，其特征在于：具體包括以下幾個步驟：

步驟1、利用徑向基神經(jīng)網(wǎng)絡(luò)建立海浪有效波高反演模型基本結(jié)構(gòu)：

根據(jù)三層單輸入單輸出神經(jīng)網(wǎng)絡(luò)模型建立海浪有效波高反演模型的基本結(jié)構(gòu)，基本結(jié)構(gòu)的網(wǎng)絡(luò)第一層為輸入層，網(wǎng)絡(luò)第二層為隱層，第三層為輸出層，經(jīng)網(wǎng)絡(luò)第一層輸入x為雷達(dá)圖像信噪比的平方根網(wǎng)絡(luò)輸出y為海浪有效波高Hs，W＝[w₁，w₂，...，w_H]^T為輸出權(quán)矩陣，H為隱節(jié)點個數(shù)，為第i個隱節(jié)點的激活函數(shù)，采用徑向基函數(shù)Gaussian函數(shù)：實現(xiàn)，其中，c_i(i＝1，2，...，H)為第i個隱節(jié)點的數(shù)據(jù)中心值，x_i、x_j(i，j＝1，2，...，n且i≠j)為有效樣本輸入；δ和spread分別為擴展常數(shù)和散步常數(shù)，用于調(diào)整徑向基函數(shù)的靈敏度，進而海浪有效波高反演模型的基本結(jié)構(gòu)表示為：

步驟2、將學(xué)習(xí)樣本數(shù)據(jù)的野值點剔除：

將N個學(xué)習(xí)樣本數(shù)據(jù)組成樣本集合S_N＝{s₁，s₁，...，s_N}，樣本集合S_N中的任意一個樣本點s_i(i＝1，2，...，N)均可表示為二維的坐標(biāo)形式，通過公式：計算樣本集合S_N中任意兩個樣本點s_i和s_j(i，j＝1，2，...，N且i≠j)間的距離D_ij；定義距離閾值λ為λ＝0.05+0.05×Hs，當(dāng)樣本集合S_N中某一樣本點s_i(i＝1，2，...，N)與任何其它樣本點的距離均大于閾值λ，則該點為野值點，剔除該樣本點；剔除野值數(shù)據(jù)后形成的集合為有效學(xué)習(xí)樣本集合S_n，有效學(xué)習(xí)樣本集合中有效學(xué)習(xí)樣本數(shù)量為n，在有效學(xué)習(xí)樣本集合S_n中，所有的有效樣本輸入用集合X_n表示；

步驟3、確定海浪有效波高反演模型中網(wǎng)絡(luò)第二層的隱層節(jié)點數(shù)量H以及選取各隱節(jié)點數(shù)據(jù)中心值：

通過有效學(xué)習(xí)樣本集合S_n，確定初始數(shù)據(jù)中心集合表示為：

C‾=[c‾1,c‾2,...c‾H‾]T=AmXnBm]]>

X_n＝[x₁，x₂，...，x_n]^T

Am=min(x)-d+0×d/(m-1)......min(x)-d+i×d/(m-1)......min(x)]]>

Bm=max(x)+0×d/(m-1)......max(x)+i×d/(m-1)......max(x)+d]]>

d=0.1+δ-ln(0.1)]]>

m=1+dβ1-β]]>

其中，初始數(shù)據(jù)中心集合由A_m、X_n、B_m三個子集合組成，表示初始數(shù)據(jù)中心集合，初始數(shù)據(jù)中心集合中數(shù)據(jù)的個數(shù)即為初始選取的隱層節(jié)點的數(shù)量，集合中數(shù)據(jù)的數(shù)值即為各隱節(jié)點的數(shù)據(jù)中心值；X_n為有效樣本輸入集合，是由n個有效樣本輸入x₁、x₂、...、x_n組成；A_m為有效樣本輸入最小值擴展集合，由m個小于等于有效樣本輸入最小值的數(shù)據(jù)組成；B_m為有效樣本輸入最大值擴展集合，由m個大于等于有效樣本輸入最大值的數(shù)據(jù)組成；min(x)為集合X_n中數(shù)據(jù)的最小值，max(x)為集合X_n中數(shù)據(jù)的最大值；m和d為正數(shù)，分別表示集合A_m、B_m中的數(shù)據(jù)個數(shù)和數(shù)據(jù)間隔步長，β為相似度閾值；

得到初始數(shù)據(jù)中心集合后，通過公式計算初始數(shù)據(jù)中心集合中任意兩個數(shù)據(jù)中心且i≠j)的相似度S_ij，設(shè)置相似度閾值β，對于所有相似度數(shù)值大于β的兩個數(shù)據(jù)中心，選取其中任意一個從集合中舍棄，重復(fù)這一過程，直到最后集合中剩余的所有數(shù)據(jù)中心之間的相似度值均小于β，得到集合C＝{c₁，c₂，...c_H}；

集合C中數(shù)據(jù)的個數(shù)即為最終確定的隱層節(jié)點數(shù)H，各數(shù)據(jù)的數(shù)值即為各隱節(jié)點的數(shù)據(jù)中心值c_i(i＝1，2，...，H)，將H和集合C中的c_i(i＝1，2，...，H)值代入步驟1中海浪有效波高反演模型的基本結(jié)構(gòu)公式中；

步驟4、利用有效學(xué)習(xí)樣本集合S_n進行網(wǎng)絡(luò)訓(xùn)練，確定海浪有效波高反演模型中網(wǎng)絡(luò)的權(quán)值w_i(i＝1，2，...H)，得到最終基于徑向基神經(jīng)網(wǎng)絡(luò)的海浪有效波高反演模型。