简介：通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。

简介：为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP算法的一个四层模糊神经网络模型.将模糊神经网络（FNN）技术引入赤潮预测研究,并与普通BP网络、RBF网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能.

简介：为了能够客观地对海水水质进行综合评价，在分析人工神经网络概念和原理的基础上，从阈值角度出发，通过对各类海水水质污染指标浓度生成样本的方法，生成了适用于BP人工神经网络模型训练的样本，并应用基于误差反向传播原理的前向多层神经网络，建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价，通过模型的计算，得到该海域的水质类别。结果表明，2004-2007年，渤海湾近岸海域污染指标总体上在河流丰水期时比枯水期时高，2005年和2006年污染较为严重，2007年有所好转。经训练的评价模型应用于实例的评价结果表明，该模型设计合理、泛化能力强，对海水水质评价具有较好的客观性、通用性和实用性。

简介：利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性，建立了动量BP人工神经网络水深反演模型，并对长江口南港河段水深进行了反演。结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况：由于受长江口水体高含沙量的影响，模型对小于5m的水深值反演精度较高，而对大于10m的水深值反演精度较低。

简介：分析了空间目标两行轨道根数（TLE）的格式及构成；阐述了相应的SGP4／SDP4轨道近似解析模型算法；提供了轨道坐标系与J2000．0坐标系及观测地平坐标系之间的转换关系。研究了ASCOM控件的用法，并结合TLE数据计算结果编程实现了用Meade望远镜对空间目标的自动搜索与跟踪观测。

简介：利用Landsat7ETM+遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演。结果表明:具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5m的水深值反演精度较高,而对大于10m的水深值反演精度较低。更多还原

简介：研究了分离自中国南海的红树内生海洋真菌Stysanuslikesp．（#2492）菌丝体的代谢产物。从该菌菌丝体分离得到2个化合物，经现代波谱技术分别鉴定为N-（2羟基二十四碳酰基）-1，3,4-三羟基-2-氨基十八烷（A）和γ-硬脂酸内酯（B）。其中γ-硬脂酸内酯（B）是首次以天然产物的形式从海洋真菌中分离得到。

简介：主成分分析可以提取形变主要信息，BP神经网络具有很强的预测功能，提出将两者相结合用于形变监测数据处理。通过MATLAB编程实现了该算法，并用实测数据进行验证，证明此方法能够提高预测数据的精度和可靠性。结果表明：与其他方法相比，基于主成分分析的改进BP神经网络能取得更好的预测效果。

简介：对1998年6月南海北部20天的海流和温度定点连续观测资料进行分析,得到该海域内潮的特征及其能量分布。分析结果显示内潮的主要成分为O1,K1,M2与S2分量,其中全日内潮（O1与K1）的能量占主要部分。在观测期间,此四个分量的海流失量均为顺时针旋转,其潮流椭圆半长轴的最大值超过14cm/s。海水温度的变化显示出内潮存在准日周期振动,平均垂向振幅达到50m。观测到的内潮携带高能量且其活动存在不连续性,在观测范围内,全日内潮的动能及势能密度的最大值分别达到2kJ/m^2及3.5kJ/m^2,半日内潮的动能及势能密度的最大值分别达到1kJ/m^2及1.5kJ/m^2。

简介：通过现场围隔实验，模拟赤潮发生过程，研究了种群不同生长阶段中不同粒级浮游植物种群的变化情况。结果表明，添加营养盐能有效促进浮游植物的生长，东海原甲藻围隔（M1）和自然水体围隔（M2）中浮游植物分别于第7天和第4天出现生长高峰，叶绿素a最大值分别为112．79mg／m和235．60mg/m。微型浮游植物与微微型浮游植物存在竞争，微型对微微型生长的抑制作用：M2〉M1。在营养盐丰富时，硅藻的增殖速率比东海原甲藻快，达到高峰期时间短，消亡也快。硅的减少促进硅藻水华的消亡。

简介：海底沉积物中稀土元素的分布特征受很多影响因子的影响,很难定量分析.北部湾沉积物稀土元素（ΣREE）与物源、水动力、沉积物粒度和粘土矿物百分比等关系定性分析显示,本区的ΣREE的物源主要由陆源岩石控制,弱水动力和细粒度都对应较高含量的ΣREE.结合北部湾海底沉积物的位置、砾石含量、砂含量、粉砂含量、粘土含量和粘土矿物含量训练出来的BP神经在控制变量的情况下定量分析它们与ΣREE的关系,获得单个影响因子与ΣREE的关系曲线.这些关系曲线揭示了北部湾沉积物中稀土元素与各影响因子的联系,所获得的结果与定性分析的结果基本一致,该方法能够通过自主学习,自动判断并定量计算,有助于识别每一个因子对稀土元素含量影响的大小,是如何控制ΣREE的分布,从而根据曲线的变化规律结合实际情况去推断区域的环境变化及地质演变,对稀土元素的富集和分散提供有益的理论指导.