VTS对船舶搁浅危险预警

为提高船舶交通管理系统(Vessel Traffic Service,VTS)对船舶搁浅危险预警的有效性,综合应用船舶AIS系统、电子海图和潮汐等信息,根据船舶的大小、运动状态以及相对位置,设置动态的搁浅危险判定条件,根据引入的形成搁浅紧迫局面的时间(Time of Close-Quarters Situation of Ground,TCQG)值来判断船舶搁浅危险的紧迫程度,以指导有关人员及时向存在搁浅危险的船舶发出危险预警信息,提醒船舶及时采取合适的避浅行动.经模拟器验证该预警方法切实可行,对船舶搁浅危险有预警作用.     

公路养护维修工程中的试验检测项目

结合总段养护维修工程中试验检测存在的问题,提出了通过提高对试验检测的认识和养护维修工程中应做的试验检测项目以及试验检测中应注意的事项,通过这些,在养护维修工程实施中,铺筑的路面才能达到设计寿命,在设计的使用期内不再经维修,养护维修工程的质量得以提高并得到保障.     

基于CEEMDAN的爆破地震波信号时频分析

爆破监测信号多为含噪信号,噪声会使经验模态分解(EMD)的结果产生严重的模态混淆,使用改进算法EEMD对模态混淆有一定的抑制作用但效果并不明显。为此本研究将使用自适应补充集合经验模态分解(CEEMDAN)来处理含噪信号。比较EMD、EEMD、CEEMDAN对仿真信号的分解结果,计算EMD、EEMD、CEEMDAN得到的IMF的排列熵值,对EMD、EEMD、CEEMDAN的分解结果进行Hilbert变换,并比较三者时频谱的分辨率。最后将CEEMDAN用于水下钻孔爆破地震波时频分析中,结果表明:CEEMDAN不仅对模态混淆具有一定的抑制作用,且其分解结果经过Hilbert变换得到的时频谱在时域和频域上都具有较高的分辨率。     

基于 DBIRCH 算法的 Argo 剖面数据聚类

为解决实时分析处理的海洋 Argo 浮标剖面观测数据特有的数据密度较高、快速响应且需要识别任意形状簇等问题, 提出了一种可通过单次扫描数据集进行有效处理的低复杂度聚类算法 DBIRCH( Density-BasedBalanced Iterative Reducing and Clustering Using Hierarchies)。 该算法通过使用新引入的参数密度阈值修正因子,动态的更新限制 CF(Clustering Feature)树生长的约束系数子空间阈值, 同时结合密度关联思想在不同邻域内多次建立 CF 树且合并, 最终以核心 CF 树子节点为聚类结果输出, 避免了 BIRCH(Balanced Iterative Reducing and Clustering Using Hierarchies)算法对参数的过度依赖, 同时因能处理任意形状簇从而提升了数据处理的整体鲁棒性, 提高了处理 Argo 剖面监测数据的时效性和算法的整体吞吐速度。 为测试算法的综合性能, 使用真实 Argo浮标剖面实时监测数据集, 并根据不同的参数对算法做出多组对比实验, 同时使用不同评价指标对算法从运行时间和聚类准确率上进行综合评估, 从全局角度分析该算法在 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)、 BIRCH 及 DBIRCH 3 种不同算法中综合聚类性能最优。 实验结果表明, 在3 种算法中,BIRCH 算法运算速度最快, 但准确率最低; DBSCAN 算法聚类性能高于 BIRCH 算法, 但运算速度最慢; 改进的DBIRCH 算法运算效率略低于 BIRCH 算法, 但聚类准确率最高。     

水下钻孔爆破地震波信号的最优降噪光滑模型

在水下钻孔爆破地震波监测中,会因监测环境、测试系统及其他因素而导致实测地震波信号混有噪声.为了获得真实的爆破振动特性,文中对水下钻孔爆破地震波信号进行降噪处理.首先对含噪实测地震波信号进行补充集合经验模态分解,基于分解所得的本征模态函数建立滤波算法;然后建立考虑滤波算法光滑性及其与实测信号之间误差标准差的目标函数,找到目标函数最优解对应的模型就是水下钻孔爆破地震波信号的最优降噪光滑模型;最后基于降噪误差比分析模型的降噪能力.结果表明,文中提出的地震波信号最优降噪光滑模型可用于水下钻孔爆破信号降噪中,该模型可以在保留原始信号真实成分的前提下对原始信号进行降噪处理.     

海洋科学数据共享政策法规与标准规范研究及启示

 长期以来由于缺乏顶层设计、技术标准不统一等原因,导致海洋数据共享开放程度低,难以支撑海洋强国战略需求。以海洋科学数据开放共享的法律法规、政策规划、标准规范为研究对象,在梳理国外主要海洋国家发展现状的基础上,总结了部分发达国家海洋科学数据共享的发展模式,分析了当前世界海洋科学数据共享格局,提出中国目前面临的问题及发展建议。     

基于Faster R-CNN的海域监管预警方法

针对传统实地调查取证、人工对比遥感影像等高成本、低效率的海域监管方式无法满足当前监管需求的问题,利用星遥感影像和深度学习算法提出了一种针对大范围的、快速动态的用海综合管控手段.依托海量影像及多源海洋基础数据,在研究多规融合分析的基础上,基于Faster R-CNN(Regions with Convolutional Neural Networks features)算法,建立人工智能识别模型,实现对海上目标、非法用海占海与破坏生态环境行为的自动识别与预警.分析了 Faster R-CNN算法原理,采用不同年份、不同卫星、不同分辨率的卫星遥感数据,针对5种常见海洋目标,建立了10 000多张图片样本库,利用VGG16和RestNet101两种网络模型进行了训练和测试.实验结果表明,RestNet101模型计算量略大于VGG16模型,但其具有更强的复杂特征提取能力,更适合于复杂海上目标的检测与识别;对本文中特定的5类目标总体识别准确率在80％以上.利用该模型结合海洋规划数据,实现了大范围海域的快速自动监管和非法用户行为预警,为海洋智能化监管提供了一种新思路.     

基于GM(1,1)模型的台风灾害救灾物资需求量预测

］针对福建省台风灾害频发,需要根据气象等部门的有关信息对台风灾害救灾物资的种类和数量进行预测的需求,在对随机强烈振荡的受灾情况原始数据序列进行修正的基础上,应用GM(1,1)模型对受灾人口数量进行预测,然后根据受灾人口数量推算生活类救灾物资需求量.该方法经实例验证,可应用于不确定性较大的台风灾害救灾物资需求量的预测     

深度学习在海洋大数据挖掘中的应用

 介绍了深度学习的关键发展节点和应用发展历程，分析了深度学习在国内外主要领域的发展现状；概述了多个深度学习的关键算法原理，分析了深度学习在海洋数据重构、分类识别和预测等海洋大数据挖掘中的相关应用；提出了深度学习未来可能面临的问题，并从加强顶层设计、信息安全和强化算法鲁棒性等方面，展望了深度学习在海洋大数据挖掘中的应用前景。     

分子动力学模拟烷烃链条数对其在氧修饰石墨烯纳米孔中迁移的影响

为了分析高分子在纳米孔中迁移问题,更好地为纳米器件的设计提供理论支持,采用分子动力学方法模拟了一系列链条数不同的烷烃分子在氧修饰石墨烯纳米孔中的钻孔,研究了链条数N对钻孔条数的影响,给出了均方位移MSD和扩散系数D随N变化的规律.研究结果表明:穿孔条数随着链条数的增加上升明显,但当链条数多到一定程度后,穿孔烷烃数较为缓慢地下降.