人工神经网络应用于海洋领域的文献综述-_海洋环境监测.pdfVIP

好学近乎知，力行近乎仁，知耻近乎勇。——《中庸》

人工神经网络应用于海洋领域的文献综述

*_海洋环境监测

论文导读:：船舶与海洋工程。海洋预报与预测。海洋资

源评估。海洋环境监测。人工神经网络应用于海洋领域的文

献综述*。论文关键词：人工神经网络(ANN)，船舶与海洋工

程，海洋预报与预测，海洋资源评估，海洋环境监测

人工神经网络是对人类大脑特性的一种描述。它是一个

数学模型，可以用电子线路实现，也可以用计算机程序来模

拟。是人工智能研究的一种方法。主要功能有：联想记忆、

分类识别、优化计算、非线性映射。由于其具有好的容错性、

并行处理信息、自学习性及非线性映射逼近能力等特点,因此

被广泛的应用于各个领域。

ANN在海洋领域的应用起步较晚。2090年代以来，

国内外掀起了应用ANN研究海洋问题的热潮。相比传统方法，

由于ANN提高了预测的准确性，减少了对数据的要求并且便

于应用，到目前为止，ANN模型的应用已经遍布海洋工程（包

括港口、沿海、近海和深海工程）海洋环境监测，海洋预报

与预测，海洋资源与环境等各方面，并且应用前景不断扩大。

本文通过梳理相关文献，分析和总结了ANN在海洋领域的研

究进展和主要成果，以期为相关研究提供参考。

1船舶与海洋工程

钢材腐蚀问题是海洋工程的重大课题。国内许多学者通

好学近乎知，力行近乎仁，知耻近乎勇。——《中庸》

过建立ANN模型考察海水环境相关参数与钢材腐蚀速度的

相关性。刘学庆等根据四层BP神经网络分析了3C钢腐蚀速

度与海水环境参数的相关性,建立了3C钢在海洋环境中腐蚀

速度的人工神经网络模型，证明该方法在监测与评价区域海

洋环境腐蚀性方面具有实际应用价值[1]。邓春龙等研究建立

了海洋环境材料腐蚀与防护数据库，收集和整理了大量的材

料腐蚀数据。并在此基础上建立了误差反传（BP）人工神经

网络预测模型和灰色GM（1,1）腐蚀预测模型。从而形成一

套较完整的数据采集、处理和分析网络系统[2]。王佳等采用

电化学、人工神经网络和数据库方法研究了5种海洋工程钢

材在深海环境中非现场腐蚀行为评价技术。结果表明,结合采

用多种非现场方法可以可靠评价深海环境钢材的腐蚀行为

[3]。刘艳侠等同样利用三层BP神经网络,根据已有的3C钢

在不同海水环境参数下的腐蚀速度数据,建立了3C钢在海洋

环境中腐蚀速度的人工神经网络模型;并分析预测了海水环

境参数与腐蚀速度之间的关系[4]。

ANN在海洋工程中的应用主要是海洋平台的抗击性和

稳定性的模拟。许亮斌等针对海洋平台桩基模拟中存在的问

题，将神经网络应用于桩基分析[5]。徐发淙在引进遗传算

法的基础上构造了工程结构优化的神经网络模型,计算结果

表明这一方法具有很好的稳定性和全局收敛性[6]。周亚军等

将经典最优控制算法与人工神经网络相结合，采用BP神经

好学近乎知，力行近乎仁，知耻近乎勇。——《中庸》

网络模型，实现了受随机波浪力作用下的海洋平台的振动主

动控制[7]。由于神经网络的优越性能，克服了传统算法本身

的时滞问题，为海洋平台的振动控制提供了一条新的思路。

以上学者都对神经网络进行了一定程度的改进和完善，

达到了良好的模拟和预测效果，推进了海洋工程中ANN理论

的发展。除此以外，针对波浪数据的完备性对于海岸海洋工