[发明专利]预测与诊断在线海流监测数据的方法和装置

权利要求书

1.一种预测与诊断在线海流监测数据的方法，其特征在于，包括：

对预设样本数量的海流监测数据样本进行基于梯度的最小均方LMS迭代训练；

根据所述LMS迭代训练的结果确定初始神经网络模型；

使用所述初始神经网络模型对测试数据进行动态预测计算，其中，所述测试数据中的样本数至少为所述预设样本数量的2倍；

根据所述测试数据动态预测计算的结果确定动态学习权值；

根据所述动态学习权值调整所述海流监测数据样本的样本数量；

从所述海流监测数据样本中选取样本数量调整后的样本作为新样本；

对所述新样本进行所述LMS迭代训练，得到更新的神经网络模型；

使用所述更新的神经网络模型对后续海流监测数据进行预测与诊断。

2.根据权利要求1所述的方法，其特征在于，

根据所述测试数据动态预测计算的结果确定动态学习权值包括：用α表示动态学习权值，通过在设定区间内多次变化α取值的方式对所述测试数据进行动态预测，将预测结果中均方误差最小值对应的α取值确定为α的最终取值；根据所述动态学习权值调整所述海流监测数据样本的样本数量包括：设置所述海流监测数据样本的样本数量N=log_1-αα。

3.根据权利要求1所述的方法，其特征在于，使用所述更新的神经网络模型对后续海流监测数据进行预测与诊断包括：

根据所述更新的神经网络模型的预测计算结果判断是否满足学习条件；其中，所述学习条件为预测值与对应的海流监测数据的相对误差小于10%，且前M个时次海流监测数据的有效率大于70%；其中，M为根据经验设定的大于或等于5的整数；

如果是，根据所述动态学习权值调整所述更新的神经网络模型的网络系数；并使用调整网络系数后的神经网络模型作为新的神经网络模型，进行后续海流监测数据预测与诊断；

如果否，采用所述更新的神经网络模型进行后续海流监测数据的预测与诊断。

4.根据权利要求3所述的方法，其特征在于，使用所述更新的神经网络模型对后续海流监测数据进行预测与诊断包括：

计算预测值与对应的海流监测数据的相对误差其中，abs为绝对值运算，V_predict为预测值；V_real为V_predict对应的海流监测数据；S_Max为所述测试数据中的最大数值，S_Min为所述测试数据中的最小数值；

当E小于20%时，诊断所述对应的海流监测数据为有效值；

当E大于或等于20%时，诊断所述对应的海流监测数据为异常值；

当确定当前时次为漏测数据时，确定所述当前时次对应的诊断结果为异常值。

5.根据权利要求3所述的方法，其特征在于，根据所述动态学习权值调整所述更新的神经网络模型的网络系数包括：

调整所述更新的神经网络模型的网络系数W_Dest=W₀*(1-α)+W₁*α，其中W₀为当前神经网络模型的网络系数，W₁为所述当前神经网络模型单次再学习得到的网络系数。

6.一种预测与诊断在线海流监测数据的装置，其特征在于，包括：

初始神经网络模型确定模块，用于对预设样本数量的海流监测数据样本进行基于梯度的最小均方LMS迭代训练；根据所述LMS迭代训练的结果确定初始神经网络模型；

初始预测模块，用于使用所述初始神经网络模型对测试数据进行动态预测计算，其中，所述测试数据中的样本数至少为所述预设样本数量的2倍；

样本数量确定模块，用于根据所述测试数据动态预测计算的结果确定动态学习权值；根据所述动态学习权值调整所述海流监测数据样本的样本数量；

神经网络模型更新模块，用于从所述海流监测数据样本中选取样本数量调整后的样本作为新样本；对所述新样本进行所述LMS迭代训练，得到更新的神经网络模型；

后续数据预测与诊断模块，用于使用所述更新的神经网络模型对后续海流监测数据进行预测与诊断。