水利技术监督2023，Issue(7) ：44-46.DOI:10.3969/j.issn.1008-1305.2023.07.013

基于卷积神经网络的长江河口潮位站潮汐频段特征信号快速捕捉方法

樊冯郡 严海勇
水利技术监督2023，Issue(7) ：44-46.DOI:10.3969/j.issn.1008-1305.2023.07.013
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于卷积神经网络的长江河口潮位站潮汐频段特征信号快速捕捉方法

樊冯郡 1严海勇2
扫码查看

作者信息

  • 1. 浙江省钱塘江管理局勘测设计院,浙江 杭州 310009
  • 2. 景宁畲族自治县水利局,浙江 景宁 323500
  • 折叠

摘要

进行潮汐频段特征信号快速捕捉时,未对最优频段进行估计,导致潮汐频段特征信号快速捕捉效果价较差,对此,文章提出基于卷积神经网络的长江河口潮位站潮汐频段特征信号快速捕捉方法.采用卷积神经网络算法构建潮汐频段的三角函数,得到其最优频段估计,基于最优频段进行潮汐频段特征信号提取,通过建立损失函数模型获取样本真实值,得到其潮汐频段特征信号.实验结果显示,该信号捕捉方法所得的信号特征与实际信号相符,具备较高的精度.

关键词

卷积神经网络/长江河口潮位站/潮汐频段/特征信号/快速捕捉方法

引用本文复制引用

出版年

2023
水利技术监督
水利部水利水电规划设计总院

水利技术监督

影响因子：0.729
ISSN：1008-1305
参考文献量6
段落导航相关论文