海洋平台结构损伤识别与定位新方法及试验验证

基于小波变换的时频局域化特性和BP神经网络的非线性映射特性,结合两者优点提出了基于小波包分析和神经网络方法的海洋平台三步法损伤定位方法。对海洋平台结构加速度响应信号进行小波包分析,提取小波包特征向量,将小波包结点能量变化量指标作为BP网络的输入向量,逐步确定损伤位置。设计一典型导管架式海洋平台试验模型,分别进行岸上脉冲激励及水池中波浪激励下平台结构损伤识别与定位模型试验,对该方法的可行性和适用性进行了验证。     

1003号台风“灿都”风暴潮特征分析与模拟

根据粤西沿海4个海洋站潮位资料分析、讨论了“灿都”台风风暴潮特征:利用改进的Jelesnianski风场,并采用耦合天文潮模拟与非耦合天文潮两种方案,对1003号台风“灿都”进行模拟、分析,模拟结果显示:在改进的杰氏风场驱动下,两种预报结果误差都比较小,但耦合天文潮预报结果优于非耦合天文潮预报结果.     

国外航海保障体系研究与启示

通过对以英国、美国和日本为代表的国外航海保障体系的研究,重点从组织结构与人员构成、技术支持与主要产品、质量管理与服务体系几方面分析了的国外航海保障体系的先进性,指出其对我国航海保障体系发展的启示之处,提出了我方的改进方向。     

盐田水体遥感分类方法研究

以连云港台北盐场为研究区，介绍了监督分类法和神经网络分类法及其在盐田水体遥感分类中的具体应用。研究结果表明，用神经网络分类法进行遥感影像自动分类，其分类精度高，显示了其在遥感领域较为广阔的应用前景。     

基于神经网络的黄东海春季二类水体三要素浓度反演方法

介绍了一种基于人工神经网络的二类水体海域的三要素浓度反演方法。根据2003年春季黄东海试验中获得的高质量现场数据,建立了由现场测量遥感反射率分别反演三要素浓度的神经网络模型。反演的平均相对误差分别叶绿素32．5％,黄色物质8．9％,总悬浮物24．2％。同时分析了神经网络模型在水色反演模式应用中的稳定性。     

一种基于SAR影像的绿潮分布信息提取方法

为基于SAR影像准确的提取海域中的绿潮范围,利用黄海地区2016年7月4日的RADARSAT-2卫星影像,分别运用马尔科夫随机场、最小核值相似区和局部二值模式3种算法提取绿潮并进行对比,提出了综合马尔科夫随机场和最小核值相似区算法。结果表明,3种算法中马尔科夫随机场算法提取效果最好,与实际情况最为接近,但改进的绿潮提取算法,提取效果更好,精度比单独使用马尔科夫随机场算法提高了18%。     

基于深度学习的赤潮发生预报方法研究

赤潮作为海洋灾害,对海洋渔业、生态、经济,以及人类生产、生活造成了严重影响。一直以来,赤潮受到研究者的广泛关注,但由于它的形成机制比较复杂,使得赤潮预报极具挑战性。针对赤潮预报的研究问题,本文收集了厦门海域赤潮发生前后的海洋监测数据,结合皮尔逊相关系数、散布矩阵、复相关系数方法,分析多环境因子与赤潮发生多要素的关联情况,重点采用基于深度学习的LSTM与CNN融合方法,挖掘环境因子的时序依赖,发现序列数据的局部特征,对赤潮发生进行预报。在厦门一号和厦门二号数据集中,本方法在预报未来12 h内的赤潮情况时,RMSE、MAE误差分别达到0.521 8、0.504 3。通过协同对比模型进一步确定赤潮发生的预报概率,在两个数据集上的最终预报准确率分别为67.58%和63.49%。本研究为赤潮的分析预报提供了探索经验,证明了将深度学习方法应用于赤潮预报的可行性。     

基于变分模态分解和注意力机制的浪高预测

针对海洋中的海浪高度数据存在非线性和非平稳性的特点,海浪高度的预测就变得相对复杂.基于变分模态分解(VMD),在引入注意力机制(AM)的基础上,对传统长短期记忆(LSTM)神经网络算法进行了改进,提出了一种基于混合模型的海浪高度预测算法.算法通过预处理、预测和重构3个主要步骤,对海浪高度的时间序列进行预测.为了比较和说...     

基于SMAP卫星雷达资料的海冰密集度反演技术研究

SMAP是美国于2015年初发射的一颗卫星,搭载了L波段的雷达。它采用圆锥扫描方式,具有固定的入射角、较大的幅宽和千米级的分辨率,在海冰监测方面具有独特的优势。本文利用SMAP卫星雷达资料分别与德国Bremen大学海冰密集度产品和美国国家冰雪数据中心（NSIDC）海冰密集度产品建立3.125 km和25 km匹配数据集,分析了L波段雷达后向散射系数、极化比和归一化极化差与海冰密集度之间相关性,建立基于人工神经网络的海冰密集度反演算法。为了验证SMAP卫星雷达资料反演海冰密集度的精度,本文选择德国Bremen大学和美国冰雪数据中心发布的海冰密集度产品分别与SMAP海冰密集度产品进行对比分析,SMAP海冰密集度与Bremen海冰密集度的偏差为0.07、均方根误差为0.14;与NSIDC海冰密集度的偏差为0.04、均方根误差为0.18,这表明SMAP海冰密集度产品与现有业务化海冰密集度产品具有很好的一致性。     

基于神经网络模型的湛江湾水体有色溶解有机物的遥感估算

有色溶解有机物(Colored Dissolved Organic Matter, CDOM)是水体中重要的水质参数之一,是水色遥感的重要研究对象,如何构建适合特定区域的近海二类水体CDOM反演模型一直是国内外研究难点。本文利用2017年5月26～29日对南海西北部海域湛江湾20个站位采集的水样和测量的光谱资料,分析归一化遥感反射率与CDOM浓度a_g(400)的相关性,发现最大负相关系数出现在586nm处,选择580、585、590、595nm这四个波段处的归一化遥感反射率与a_g(400)建立了多元线性回归模型、BP(Back-Propagation)神经网络模型和RBF(Radial-Basis Function)神经网络模型,并与其他算法模型进行对比分析。结果发现, BP和RBF神经网络模型的平均相对误差和均方根误差均远小于多元线性回归模型和其他算法模型,神经网络模型的预测值与实测值拟合效果要优于多元线性回归模型。研究表明,神经网络模型更适合于湛江湾有色溶解有机物的遥感估算。