基于改进CNN-BP的多波束声纳高程数据预测研究
为了建立精准的多波束声纳高程数据预测模型,解决人工鱼礁空方量预测准确性的问题,提出了一种基于改进卷积神经网络(Convolutional Neural Network,CNN)和BP神经网络组合模型的多波束声纳高程数据预测方法.首先,利用改进CNN对高程数据进行全卷积操作提取地形趋势特征,再输入到BP 中进一步挖掘内部地形趋势变化规律,从而实现多波束声纳高程数据的预测.然后以某海底牧场的多波束声纳高程数据进行实验,并利用人工鱼礁的空方量进行交叉验证.最后,与传统克里金、BP、GA-BP、PSO-BP模型进行比较.结果表明:改进CNN-BP模型在多波束声纳高程数据和人工鱼礁空方量上的预测结果表现最优,验证了该方法的可行性、可靠性和精度高.
多波束声纳高程数据、人工鱼礁、卷积神经网络、BP神经网络
50
TP399(计算技术、计算机技术)
2023-09-06(万方平台首次上网日期,不代表论文的发表时间)
共4页
565-568