支持向量機(jī)在溢油熒光光譜分析中的應(yīng)用研究.pdf

1、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(shí)時(shí)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(jì)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

2、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(shí)驗(yàn)，得到了實(shí)驗(yàn)結(jié)果。測試實(shí)驗(yàn)主要考察的是這3種模型的識別精度和速度。測試實(shí)驗(yàn)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(shí)間16.0280s，J下確率為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(shí)間0.6064s，正確率為8