海洋环境信息在海上搜救中的应用

在分析海上搜救过程的基础上,构建了海上搜救辅助系统的基本结构和应具有的主要功能,并对系统所涉及的各类数据加以较为详细的分析,指出了数据信息的可能来源,以及数据处理方法;分析了影响海上漂浮物运动的各种海洋环境因素;利用POM模式模拟的东海8个主要分潮的潮流预报结果,以及ECCO大洋环流模式的计算结果,在只考虑潮流和准定常海流的情况下,编程实现海上漂浮物漂移轨迹追踪软件。     

深度学习的BP神经网络在GNSS水准拟合中的应用

针对误差逆向传播BP (back propagation)神经网络在GNSS水准拟合中存在梯度消失、陷于局部最小点的问题,通过使用深度学习中的分段线性整流函数Relu(rectified linear units)作为神经元激活函数,自适应矩估计Adam (adaptive moment estimation)算法作为网络优化函数,提出了一种基于深度学习的BP神经网络模型。研究结果表明:改进后的BP神经网络内外符合精度分别提高近50%和25%,可达0.9 cm和2.4 cm,为GNSS水准拟合提供了新的思路。     

倾角传感器在海洋环境信息要素获取中的应用

针对海洋环境信息要素的获取问题,给出了一种测定目标高程、海面潮高、海流要素、岸滩距离以及岸滩坡度等信息要素的新方法,该方法基于微机电系统(MEMS)倾角传感器,体积小、重量轻、成本低,其技术产品实时性强、可靠性高,可以有效提高航海保障的安全性。     

数据仓库技术在海洋环境信息管理中的应用研究

从数据仓库技术的角度分析了海洋环境信息应用的六大特征,并结合数据仓库的实质,说明数据仓库技术是进行海洋环境信息业务化管理的良好解决途径。在此基础上,探讨了在海洋环境数据仓库建设过程中主题抽取、数据规划和数据提取三个关键问题;初步划分了海洋环境数据仓库建设的数据库、管理库和程序库三个部分以及相互关系,提出了海洋环境数据仓库建设的基本框架和总体流程。     

服务器虚拟化技术在海洋环境信息管理中的应用浅析

文章系统地阐述了虚拟化相关基本知识,全面介绍了服务器虚拟化技术发展及其在海洋环境应用方面的现状,分析了目前海洋环境信息系统建设中存在的问题及解决方法,重点研究了将服务器虚拟化技术应用到海洋环境信息管理中的方法,并据此展望了建设支撑海洋环境信息业务的低成本试验和运营环境的应用前景。     

深度学习在海洋信息探测中的应用:现状与展望

深度学习可以通过深度神经网络,使机器理解学习数据,从而提高数据分类效果和预测结果的准确性,因此在海洋信息探测中应用越来越受到重视.作者基于深度学习的基本原理,阐述了海洋上常用的深度学习神经网络模型,并结合海洋信息探测要素,对温度、盐度、风场、有效波高和海冰等进行了海洋环境信息因子的预测分析;同时,对船舶、溢油和涡旋等进...     

BP神经网络在海洋赤潮预测中的应用

A red tide as an sananomalous ecological phenomenon is characterized with abruptness and nonlinearness,and red tide prediction has been a hot spot in ocean ographic studies.In this paper,by using the principle of fuzzy mathematics,we developed a computer progran to simulate the BP model on the basis of Visual C⁺⁺ language.Engineering analysis shows the same result between the simulation and the observation of red tide which is practical. The calculation procedures are simple and easy.     

BP神经网络在海洋赤潮预测中的应用

<正>近年来,赤潮发生的频率越来越高。据统计,我国自1990～1998年沿海发生的有害赤潮达234次(吴玉霖等,2001),对海洋渔业、海水养殖业及滨海旅游业等均造成一定的危害,经济损失严重。越来越多的学者开展了赤潮研究(吴玉霖等,2001;齐玉藻,1997),以求尽早弄清赤潮发生机理并准确进行预报。鉴于赤潮发生的复杂性及对其机理的认识,     

基于T-S模糊神经网络的信息融合在赤潮预测预警中的应用

基于T-S模型的模糊神经网络不但具有模糊逻辑和神经网络两者的优点,又具有很好的学习能力。将基于T-S模型的模糊神经网络的信息融合算法应用在赤潮的预测预警中,研究各种理化因子与赤潮藻类浓度间非线性对应规律和有效预测赤潮藻类浓度。仿真实验表明这种方法具有有效的赤潮预测预警功能。     

BP神经网络精度估计及其在海洋油气资源预测中的应用

在对BP算法进行深入分析的基础上,将测量数据处理与误差理论中的精度评定方法应用到BP神经网络的精度估计中,通过分别计算BP神经网络学习训练过程及预测过程的输出层中误差,实现对神经网络模型的精度评定。最后以海洋油气资源预测为例,结合实测资料建立了BP神经网络预测模型并分别进行了学习训练过程及预测过程的精度评定,以期为神经网络模型结构的优化设计提供有效参考,为提高神经网络模型的适用性提供科学依据。     

LIMS在海洋环境监测中的应用

为促进海洋环境监测信息化发展,提高实验室资源管理和质量控制水平,文章以山东省海洋环境监测中心研发的实验室信息管理系统(LIMS)为例,概述其在海洋环境监测工作中的应用。研究结果表明:该系统涵盖海洋环境监测工作的全过程和实验室资源管理的主要内容,包括业务任务、样品管理和质控管理等模块,具有功能全面、样品交接快速和准确、质量控制管理到位、预警提醒及时、报表和报告自定义配置、可与大型监测设备对接、全程溯源以及数据管理自动化等特色,应注重其本地化以及后续维护和升级;该系统可提高海洋环境监测质量控制水平,有效管理实验室资源,保证监测数据和资料的真实和准确,具有广阔的应用前景和推广价值。     

可编程增益放大器在海洋环境监测中的应用及其接口

文中提出一种性能优良的单片集成数字增益设定器LFl3006/7,它与集成运算放大器组成可编程增益放大器PGA电路,也可组成具有二进制或者十进制等不同增益档次的程序可测控的仪表放大器。微机系统通过接口电路对它实施智能式的增益切换,优化了仪器测量的动态范围和精度,这对人们无法手动干预的环境监测或海洋遥测过程有特殊的意义。     

海洋环境预测中的关键科学问题

国家海洋环境预报中心经过40年的发展,海洋环境预报事业初具规模.本文主要分别从海洋环境预报多个预报要素出发,结合当前的国内外发展趋势,介绍各种海洋环境预报所面临的关键科学技术问题和挑战.     

神经网络在松辽盆地深层火山岩岩性预测中的应用

基于松辽盆地深层火山岩岩心分析,通过模型正演分析发现,深层火山岩产生的重、磁异常不是很大,表现为叠加在强背景之上的次级异常。 提出了积分—迭代延拓平化曲线新方法来增强火山岩磁异常信息,以达到均衡磁异常,消除深度的影响。通过对松辽盆地区域磁异常的处理与解释,提取反映深层火山岩的磁异常信息,利用斜导数、欧拉反褶积等多种方法圈定了深层火山岩的分布,指出火山岩的视密度、视磁化率与其两者的相关系数是最佳的三参数组合。神经网络模糊识别是判别火山岩岩性的有效方法, 应用该方法在井约束下建立判别网络, 完成了深层火山岩岩性的识别。应用神经网络判别火山岩岩性的方法对其他地区深层火山岩的预测有一定的参考和借鉴作用。     

基于深度学习的中尺度涡检测技术及其在声场中的应用

针对海洋中尺度涡的检测与参数提取问题,本文使用中尺度涡SAR图像数据集,提出基于深度学习的EddyYolo目标检测模型进行中尺度涡的涡旋中心和涡旋水平尺度的多目标检测,并且提取涡心位置和涡旋水平半径等参数.实验结果表明:本文提出的EddyYolo模型实现了涡旋中心和涡旋水平尺度的多目标检测,检测准确率达到94%.在此基础上,结合二维高斯涡模型和三维中尺度涡模型,本文提出了基于卫星遥感与声学对中尺度涡的联合建模方法.     

深度学习在水声目标识别中的应用研究

水声目标识别技术是水声信号处理的重要组成部分,是水声信息获取与水声信息对抗的重要技术支撑。针对水声目标识别时探测数据量大、自动化程度不高、识别效率低下等问题,研究了深度学习在水声目标识别中的应用。首先,介绍了水声目标识别技术的研究现状及当前形势下面临的挑战。然后,对深度学习的网络结构原理及改进型进行了分析,并分别对深度学习在水声声信号识别领域和水声图像信号识别领域的应用现状做了阐述。最后,指出了由于受当前技术条件和水下复杂环境的制约,此方法尚且存在着不足之处。该方法为进一步优化深度学习算法、拓展深度学习技术应用范畴、提升水声目标识别效率提供了参考。     

长期极值统计理论及其在海洋环境参数统计分析中的应用

海洋环境极值参数(如风速、流速、波高、周期等)在海洋工程设计中具有重要意义。利用次序统计和极值理论方面的较新研究成果，从理论上证明了多种统计分布中Weibull分布是最优的，使长期极值统计建立在一个更坚实的基础上；同时引入基于序列统计的最大似然估计方法。利用大量数据．对最小二乘估计方法和最大似然估计法进行对比分析，指出最大似然估计法是精确估计．而最小二乘估计方法是保守估计。     

同位素示踪技术在海洋环境研究中的应用

综合δD、δ18O、224Ra、226Ra、228R、钍系同位素和210Pb、14C等同位素示踪技术研究的最新成果,概述了同位素示踪技术在海洋水体运动、颗粒动力学、海洋生物生产力、沉积动力学、古海洋学等方面的研究进展,提出了在这一领域应重点发展的研究方向,以期推动同位素示踪技术在海洋环境研究中的应用。     

实验室信息管理系统在海洋环境监测中的应用

实验室信息管理系统是提升实验室运转效率及质量管理水平、促进监测业务工作与信息规范化接轨的重要手段。目前,我国已开启实验室信息化管理的新阶段,各类实验室正大力推广与建设实验室信息管理系统。海洋环境监测业务具有其自身特色,因此广谱性的实验室信息管理系统无法满足海洋环境监测实验室信息管理系统的模块设置与功能需求。文章综合分析了我国海洋环境监测业务工作的特点,提出海洋环境监测实验室信息管理系统的设计需求,特别突出了质量管理与质量控制在实验室信息管理系统中的功能与设计要求,以期为各级海洋监测机构建设实施实验室信息管理系统提供参考。     

长短期记忆神经网络在叶绿素a浓度预测中的应用

针对传统人工神经网络对叶绿素a浓度预测存在训练速度慢、收敛精度低、易陷入局部最优,尤其是无法灵活的利用任意长度的历史信息对叶绿素a浓度进行预测等问题,本文根据海洋各要素与叶绿素a浓度之间的长短期依赖程度,对叶绿素a浓度与各要素间的关系进行界定,分别将各要素与叶绿素a浓度之间的长期依赖关系与短期依赖关系分割开来,并且在长短期记忆(Long Short-Term Memory, LSTM)神经网络模型的基础上构建融合的LSTM预测模型,模型中的长期依赖关系与短期依赖关系分别使用不同的神经元,最终在模型的最上层进行长短期融合。本文选取三都澳站位的连续监测资料作为实验数据,实验结果表明本文构建的模型不仅具有训练误差下降快的优点,与其他3种经典的神经网络模型相比,预测精度也有显著提高。