原文服务方: 海洋环境科学       
摘要:
根据非线性理论及有害赤潮的特点,探讨应用人工神经网络原理进行赤潮预警预报的方法,提出网络可塑性较强、无监督的ART-KOHONEN网络模型,阐述了其基本原理和算法.将该模型应用于辽省营口市鲅鱼圈海域,结果表明:该方法能较理想地解决无训练样本的分类识别问题,具有较高的精度,可用于有害赤潮的预警预报工作.
推荐文章
ASTER数据的自组织神经网络分类研究
分类
小波融合
自组织特征映射
神经网络
Matlab自组织神经网络在遥感图像分类中的应用
Matlab
自组织神经网络
分类
精度
Kappa系数
自组织竞争人工神经网络在砂岩型铀矿测井数据解释中的应用
砂岩型铀矿
自组织竞争神经网络
测井数据解释
岩性识别
基于粗糙集和自组织神经网络的聚类方法
自组织神经网络
粗糙集
聚类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 自组织神经网络在有害赤潮预警研究中的应用
来源期刊 海洋环境科学 学科
关键词 赤潮 人工神经网络 预警 自组织
年,卷(期) 2003,(1) 所属期刊栏目 调查与研究
研究方向 页码范围 6-9
页数 4页 分类号 X55
字数 语种 中文
DOI 10.3969/j.issn.1007-6336.2003.01.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 高振会 37 639 16.0 24.0
2 孙培艳 26 455 15.0 21.0
3 杨建强 上海交通大学环境科学与工程学院 7 321 6.0 7.0
7 李钦亮 5 113 5.0 5.0
8 石强 34 314 11.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (342)
参考文献  (9)
节点文献
引证文献  (29)
同被引文献  (14)
二级引证文献  (49)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(6)
  • 参考文献(0)
  • 二级参考文献(6)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(1)
  • 二级参考文献(3)
1999(6)
  • 参考文献(2)
  • 二级参考文献(4)
2000(4)
  • 参考文献(3)
  • 二级参考文献(1)
2001(3)
  • 参考文献(3)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2003(1)
  • 引证文献(1)
  • 二级引证文献(0)
2004(1)
  • 引证文献(1)
  • 二级引证文献(0)
2005(6)
  • 引证文献(6)
  • 二级引证文献(0)
2006(6)
  • 引证文献(6)
  • 二级引证文献(0)
2007(5)
  • 引证文献(4)
  • 二级引证文献(1)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(5)
  • 引证文献(4)
  • 二级引证文献(1)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(7)
  • 引证文献(2)
  • 二级引证文献(5)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(4)
  • 引证文献(2)
  • 二级引证文献(2)
2014(7)
  • 引证文献(0)
  • 二级引证文献(7)
2015(11)
  • 引证文献(0)
  • 二级引证文献(11)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(6)
  • 引证文献(0)
  • 二级引证文献(6)
2018(10)
  • 引证文献(1)
  • 二级引证文献(9)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
赤潮
人工神经网络
预警
自组织
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
海洋环境科学
双月刊
1007-6336
21-1168/X
大16开
1982-01-01
chi
出版文献量(篇)
3212
总下载数(次)
0
总被引数(次)
36400
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导