深基础降水喷射泵的特性方程

为方便工程技术人员优化设计并合理地选用降水同心式喷射泵, 介绍了同心式喷射泵井点降水系统结构和应用特点, 建立了深层降水喷射泵降深与结构、性能参数等之间的优化数学模型.既可通过该数学模型, 按降水深度和排水量的要求, 选择工作泵的压力和流量, 设计喷射泵的结构; 又可根据喷射泵设计的数学模型计算特定降深的排水量, 进行深基础降水设计.      

空间数据计算模式分析与应用

随着传感器和其他数据采集技术的不断进步以及对地观测网络的建设和启动,空间数据的高性能处理和分析成为摆在地学工作者面前的瓶颈。本文以此为出发点,按照不同地学领域(陆地、大气、海洋)的空间数据载体的形态的不同,将空间数据划分为反映固态基质信息的陆地空间数据,反映液态基质信息的陆地水文空间数据,反映液态基质信息的海洋流体空间数据和反映气态基质信息的大气流体空间数据四类,并对每类数据的最小单元问题进行了初步的分析。本文详细阐述了地学空间计算的涵义,并根据计算行为模式及计算的侧重点的不同,将地学计算过程分为深度计算过程与主动计算过程(即“数据→特征→知识”的一般计算过程),并就此进行了阐释。以基于特征的遥感信息提取和目标识别工作为例,对上述理论进行了说明和验证。最后对空间数据计算模式相关问题进行了总结,并对以后的研究做了展望。     

车载激光雷达点云快速栅格化算法研究及应用

针对车载激光雷达点云数据量大、密度高且存在分层错位和噪点等情况,提出了一种具实时性激光点云快速栅格化算法,该算法根据雷达扫描精度预设栅格单元大小,可在不丢失对象形状特征的情况下,能快速完成点云数据平滑及降采样处理,并将数据量缩小为处理前的60%。将该栅格算法处理后的点云数据应用于深度学习,作为pointnet++神经网络的训练集及测试集,完成语义分割模型训练与测试。实验结果表明,该算法可在1 s内完成上百万量级的点云栅格处理,并且经该算法处理后的点云数据能有效缩短训练时长、提升网络测试精度。     

水下图像目标检测研究综述

在海洋开发的环境下,水下物体探测技术得到广泛应用,随着水下机器人与计算机技术的发展,该技术越来越受到研究人员的重视。根据当前的水下图像目标检测研究进展,简要介绍水下图像目标检测流程（即图像采集、图像的预处理、以及图像检测的方法）,对总结发展现状、发现技术的不足及挖掘未来的研究方向有重要意义。针对基于光学图像的水下目标识别问题,论述了图像采集、图像的预处理、以及图像检测等方面的主要进展,阐述了基于深度学习实现水下图像目标识别的技术发展现状。通过对水下目标处理过程的讨论和分析,指出水下图像目标识别领域中需要解决的问题,并预测该领域技术发展趋势。     

基于深度学习的目标检测定位系统设计与实现

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。     

点吸收式波浪能俘获装置结构优化方法研究

根据布设海域波浪能资源特征,对点吸收式波浪能装置结构进行优化,可有效提高装置的能量俘获效率。本文以威海褚岛北部海域为装置布设目标海域,在对该海域波浪资源特征进行统计分析的基础上,计算得到装置的直径,同时利用数值软件计算出多组工况下点吸收装置吃水深度和装置固有周期的对应关系,并利用统计学方法得出装置固有周期随吃水深度的变化规律,进而分析得出装置在该海域的最佳设计吃水深度,为点吸收波浪能装置结构优化设计提供了新的思路。该方法对于其他技术类型波浪能装置的结构优化设计同样具有借鉴意义。     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。     

基于机器学习的海洋环境预报订正方法研究

结合中尺度数值模式 WRF 预报数据和 ERA5 再分析资料,利用机器学习方法对 WRF 预报场的风场、温度、气压进行预报订正。采用 ERA5 作为真值,与原始 WRF 预报相比,利用随机森林模型可以将预报结果整体均方根误差降低 44%以 上,利用深度神经网络模型可以将预报结果整体均方根误差降低 34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度,分析了关键的预报订正因子。     

后挖沟深度对深海海底管道屈曲影响数值分析

鉴于海底管道的服役水深越来越深,主要采用犁式挖沟机对预铺设于海床之上的海底管道采取后挖沟的方式将海底管道埋设于海床之下,以保护其免受不必要的损伤。针对后挖沟深度H是海底挖沟机的重要设计参数,也是影响管道悬跨的重要因素的问题,对SMD(UK)犁式挖沟机展开参数优化,确保作业过程中悬跨段管道在外部静水压力作用下,海底管道不会发生屈曲破坏。采用ABAQUS软件,分别建立了作业前和作业中两种工况下的悬跨模型,分析机械手对接触部分管道的损伤,结果显示,作业中的机械手对悬跨管道的损伤更大;同时,建立了作业中不同管径下,后挖沟深度对管道损伤的安全裕量关系曲线。进一步,结合作业中不同挖沟深度下的管跨段屈曲数值模型,对处于外部静水压力作用下的悬跨管的屈曲失效展开分析,结果显示,随着后挖沟深度的加大,不同管径下的悬跨段管道局部出现塑性压溃的临界压力值不断降低;管道外径的增大,降低了同一后挖沟深度下发生屈曲失效的压力值。最后,在后挖沟深度与外部静水压力组成的区域内,建立屈曲失效临界关系曲线,并划分出工作区和压溃区,为深海管道后挖沟埋管的施工提供工程参考。     

确定区域大地水准面的K-means-RBF神经网络方法

确定区域大地水准面的几何水准方法在拟合大地水面时未顾及重力场信息,仅是一种单纯的数学拟合,忽略了重力场数据自身的物理性和不同数据间的相关性.近年来,深度学习方法得到广泛重视与研究.本文提出了一种有监督学习的RBF神经网络精化大地水准面的方法,使用包含重力异常和大地水准面高的重力场数据进行神经网络训练,并采用K-mean...