保护我们共有的海洋环境已成为当今世界的一大主题,而造成海洋污染的主要元凶就是油类污染。溢油对近海海域的污染,已引起各国政府的重视。 我国在激光遥感识别海上溢油方面也作了许多研究,并在算法上取得了了很大的成绩,比如说我国有学者引入了神经网络算法对激光荧光光谱进行识别。激光遥感光谱数据的智能分析系统是一个能够处理非线性数据的系统,由于人工神经网络算法适合处理非线性系统,且具有自组织、自学习、自适应和联想能力,故非常适用于激光遥感光谱数据的智能分析。现在已经有了一些利用人工神经网络建立的激光遥感光谱数据的智能分析系统。本文的核心工作是建立了PCA激光荧光光谱分析识别模型、BP神经网络激光荧光光谱分析识别模型、RBF神经网络激光荧光分析光谱识别模型以及PCA&BP神经网络激光荧光光谱分析识别模型。并利用已有的激光遥感设备对建立的几种模型进行测试实验,得到了实验结果。测试实验主要考察的是这4种模型的识别速度和识别精度。 测试实验得出,PCA激光荧光光谱分析识别模型能够有效地识别溢油。神经网络方面,RBF神经网络激光荧光光谱分析识别模型的速度最快,平均训练时间为5.547秒。精度较高,正确率为87.5%;PCA&BP神经网络激光荧光光谱分析识别模型精度最高,正确率为95.833%。速度接近于RBF神经网络,训练时间为7.327秒;BP神经网络不管在速度上和精度上都没有以上提到的两种神经网络优秀。结果表明,PCA&BP神经网络激光荧光光谱分析识别模型的绩效是最好的,RBF神经网络激光荧光光谱分析识别模型也很令人满意。