基于深度学习的视频观测潮位技术研究——以厦门高崎码头为例

近岸潮位观测是海洋工程应用、海岸防灾减灾、海岸带管理以及海洋有关科研工作中最基础的工作之一。文章基于视频图像深度学习的方法,使用YOLOv5目标检测算法从安装在近岸的固定摄像机拍摄的视频帧中提取潮汐水位特征进行潮位分析。研究采用厦门高崎码头的分辨率为1920×1080的高清摄像头2023年2月的影像数据作为训练集和验证集,2023年3月的影像数据作为测试集,利用岸边验潮井逐时潮位数据进行标注,采用YOLOv5目标检测算法来训练。计算结果显示,通过视频观测潮位在训练集和测试集上的误差分别为3.9 cm和5.3 cm。视频中1个像素点代表3.8 cm,因此潮位观测的平均误差为像素级。研究表明在近岸通过高清摄像头基于图像深度学习进行潮位观测的方法是可行的,观测精度取决于图像目标物的分辨率。     

关于建设东营输油码头的探索

为了解决孤东外海原油生产的运输、加快浅海油田的开发，对拟建外海油码头进行了探索。认为如果浅海原油生产具有相应的规模，或短期内能形成一定的规模，则建设外海油码头的经济性是可行的，特别是社会效益比较可观。可以肯定，它的建设能为孤东、孤岛、河口等地和东营港的开发建设奠定良好的基础。     

数据融合下的短期潮位预报测试及分析

针对短期验潮数据分析难度大、预报精度低的问题,设计了一种基于数据融合技术的短期潮位预报方法,利用扩展卡尔曼滤波(EKF),将通用的潮汐模型计算水位融合到调和预报模型之中,生成精度更高的融合预报值.数据测试表明,对于3天的验潮数据,EKF方法至少对向后5天的预报有效,融合值较两种源数据的平均优化度分别为33％和60％;对...