摘要
本发明涉及海洋监测技术和海洋防灾减灾技术领域,公开了一种基于RBF神经网络的深海海啸波检测方法及装置,包括:S1利用深海海底压力传感器采集原始数据,从所述原始数据中选取特定天数的数据作为输入数据,所述输入数据单个样本为向量形式,即从固定时间序列窗口选取n个采样点作为神经网络的输入数据向量,以步长1滑动时间序列窗口,依次抽取采样点向量组成RBF神经网络的训练集,每个输入数据向量对应的需预测采样点数据向量的实际测量值作为每组输入数据向量的监督向量值,将全部所述监督向量值组成目标集等;该方法可以提高潮汐波预测精度,降低预测出现大误差的概率,从而降低虚警率、误报率,增加算法鲁棒性和智能化水准。
技术关键词
RBF神经网络
海啸波
高斯核函数
误差反向传播
神经网络训练
采样点
节点数
海洋防灾减灾技术
预测误差
神经网络参数
训练集数据
海洋监测技术
压力传感器
算法鲁棒性
序列
归一化模块
系统为您推荐了相关专利信息
电力配电设备
节点
计算机程序指令
神经网络训练
计算方法
降落控制方法
飞行控制参数
故障类别
降落控制系统
飞机
玳玳花茶
人工智能技术
阶段
模糊控制方法
监测系统
协同定位方法
因子
高斯核函数
协同定位算法
非高斯噪声
可见光图像
上采样
尺寸
训练深度学习模型
红外图像特征