PHỤC HỒI DỮ LIỆU SÓNG BIỂN BẰNG MẠNG NEURON NHÂN TẠO

Đặng Văn Tỏ

Abstract


Nghiên cứu này xây dựng mạng neuron nhân tạo OceanANN trên nền MATLAB để phục hồi dữ liệu sóng biển. Chương trình OceanANN được thiết kế thân thiện với người sử dụng nhờ các giao diện tiện ích. Dựa trên thuật toán Levenberg-Marquardt, OceanANN được thiết kế với 1 lớp nhập, 2 lớp ẩn và 1 lớp xuất. Tổng cộng 30 neuron cho từng lớp ẩn được sử dụng để học bản chất của chuỗi dữ liệu. Để áp dụng OceanANN, tập số liệu sóng biển thực đo ngoài khơi ở Tweed Heads (Australia) vào tháng 2 năm 1996 đã được sử dụng. Tập số liệu này được chia thành 3 phần: 70% số liệu dùng để học, 15% số liệu dùng để kiểm định và 15% số liệu còn lại được cố ý làm thất thoát để phục hồi. Mạng neuron nhân tạo rất thích hợp để sử dụng cho các số liệu sóng biển với độ phi tuyến cao và nhiễu động lớn. Các hệ số tương quan giữa số liệu tính toán và số liệu thực đo có thời khoảng quan trắc 1 giờ cho các trường hợp huấn luyện mạng, kiểm định mạng và mô phỏng mạng đều có kết quả trên 98%.

 

Summary: This study aims at developing an artificial neural network OceanANN in MATLAB to recover missing wave data. The program OceanANN was designed friendly to the user for their convenient and useful interfaces. Based on the Levenberg-Marquardt algorithm, OceanANN was established with 1 input - layer, 2 hidden - layers and 1 output - layer. Each hidden layer consisting of 30 neurons was used to learn the nature of data series. For the application of OceanANN, the wave data recorded offshore of the Tweed Heads (Australia) in February 1996 was employed. The data set was divided into 3 segments: 70% of the data for learning, 15% for verification and the rest 15% of the data deliberately removed for OceanANN to recover. Artificial neural networks are suitable tools for the application on wave data of high non-linearity and fluctuations. The regression coefficients showing the relationship between the computed data and recorded data with hourly observations for the learning process, verification and testing process are always higher than 98%.


Full Text:

PDF


DOI: https://doi.org/10.15625/1859-3097/10/1/903 Display counter: Abstract : 27 views. PDF : 53 views.

Journal of Marine Science and Technology ISSN: 1859 3097

Published by Vietnam Academy of Science and Technology