TACSTechnology and Application of Computer Science2998-89262998-8934Art and Technology10.61369/TACS.2026010012Article基于自适应参数的BP 神经网络架构的青岛近海环境 监测及海洋灾害预警算法优化研究https://artdesignp.com/journal/TACS/3/1/10.61369/TACS.2026010012谭晓楠2026312026-01-14针对青岛近海环境监测数据复杂、灾害预警精度不足的问题，本研究提出了一种基于自适应参数的BP 神经网络优化算法。通过引入动态学习率与动量因子调整机制，增强了网络对时序性海洋数据的拟合能力与收敛效率。将该模型应用于青岛近海水温、浊度及波浪高度等多源数据融合分析，可对赤潮、风暴潮等典型海洋灾害进行早期预警。实验表明，优化后的模型在预报准确率与稳定性方面都优于传统方法，为区域性海洋环境管理提供可靠技术支撑。BP 神经网络,自适应参数,海洋灾害预警,青岛近海监测

[1] 张梦茹. BP 神经网络在换热站自动控制系统中的应用研究[D]. 河北建筑工程学院,2023.[2] 唐宇, 黄海龙, 娄玲玉, 等. 误差逆传播的调和釜温度自适应调控技术研究[J]. 机械设计与制造,2025(11):173-177.[3] 曹卫东, 倪建军, 姜博严. 支持大数据的参数自适应支持向量回归方法[J]. 计算机集成制造系统,2023,29(2):511-521.[4] 吕旭阳. 基于神经网络的高精度量子光源温控系统及控温算法研究[D]. 山西: 山西大学,2024.[5] 陈一. 深度Spiking 神经网络模型及其算法研究[D]. 四川: 电子科技大学,2023.[6] 陈佳丽. 基于神经网络的轴流压气机失速预警研究[D]. 江西: 江西理工大学,2022.[7] 李宗萱. 波浪滑翔器自适应航向控制研究[D]. 青岛科技大学,2022.[8] 刘子华, 尤中义, 刘玖芬, 等. 基于BP 神经网络模型的黄海水体叶绿素a 质量浓度反演[J]. 现代地质,2025,39(2):420-428.[9] 郑斌. 基于卷积神经网络融合扩展卡尔曼滤波的拖缆姿态解算算法研究[D]. 吉林: 吉林大学,2022.[10] 黄子豪. 水声信号调制方式智能识别方法研究[D]. 山东: 青岛科技大学,2022.