-
作者
赵向涛阳凡林宿殿鹏王贤昆郭亚栋李劭禹
-
单位
山东科技大学测绘与空间信息学院自然资源部海洋测绘重点实验室
-
摘要
针对传统BP神经网络水深反演耗时较多，且由于学习率和动量参数的设置使权值更新存在模糊自适应的问题，提出一种基于弹性梯度下降模型的BP神经网络水深反演算法。弹性梯度下降模型直接改变权重更新值的大小，消除学习率和动量参数的影响，减少计算参数，能快速获取最优的模型权值。为评估算法的有效性，利用中国南海甘泉岛实测数据进行验证。结果表明：该算法可以较为准确、有效地反演水深信息，反演精度和效率均优于传统算法(RMSE由1.159 m降到0.863 m,MAE由0.856 m降到0.649 m,模型训练所耗时间由52 s降到18 s),在0～15 m水深段的RMSE低于1 m,反演效果较好，且在不同水深区间均取得良好的改进结果，具有一定的鲁棒性。
-
关键词
水深反演弹性梯度下降BP神经网络遥感
-
基金项目(Foundation)
国家自然科学基金项目(41930535,52001189)；国家重点研发计划项目(2018YFF0212200)；山东科技大学科研创新团队支持计划项目(2019TDJH103)；
-
文章目录
1 弹性梯度下降水深反演算法
1.1 数据预处理
1) 辐射定标
2) 大气校正
3) 几何校正
4) 测深校正及测深点提取
1.2 弹性梯度下降模型
1) 正向传播
2) 反向传播(权值更新)
3) 参数设置
1.3 反演流程
2 实验与分析
2.1 研究区域
2.2 数据预处理结果
2.3 水深反演性能分析
1) 精度评价指标
2) 反演效率及精度评价
3 结论
-
引用格式
赵向涛,阳凡林,宿殿鹏,王贤昆,郭亚栋,李劭禹.基于弹性梯度下降模型的神经网络遥感水深反演[J].山东科技大学学报(自然科学版),2022,41(05):1-10+20.DOI:10.16452/j.cnki.sdkjzk.2022.05.001.
185
102
山东科技大学学报(自然科学版) 
2022年第05期 
