一种基于单目光学影像的水面高度场反演方法及系统

    公开(公告)号:CN119885844A

    公开(公告)日:2025-04-25

    申请号:CN202411838403.3

    申请日:2024-12-13

    Abstract: 本发明公开了一种基于单目光学影像的水面高度场反演方法及系统,该方法将水面单目光学影像输入训练好的水面高度场反演模型,得到水面单目光学影像中每个像素点的预测水面高度场;通过模拟波浪计算模拟水面高度场,作为模型标签数据,计算每个像素点的图像亮度建立水面合成图像,将水面合成图像经过预处理后输入U‑Net网络进行训练,得到训练好的水面高度场反演模型。本发明基于单目光学影像和人工智能方法实现对水面高度场的反演,有效解决双目立体成像技术中实现过程复杂、且结果易受误差影响的问题,采用数值模拟的数据制作合成图像进行水面高度场反演模型训练,解决由于水面高度的观测数据不易获取从而无法获得真值标签的问题。

    一种基于流场数据的裂流自动识别方法及系统

    公开(公告)号:CN119884812A

    公开(公告)日:2025-04-25

    申请号:CN202411838400.X

    申请日:2024-12-13

    Abstract: 本发明公开了一种基于流场数据的裂流自动识别方法及系统,该方法在目标地点建立网格并获取每个网格点的流速和流向,提取连通对象并计算每个连通对象的面积及最小外接框;保留面积大于第一阈值且连通对象长轴与目标地点离岸方向间的夹角小于第二阈值的连通对象,判定为可能裂流单元;追踪多个时刻的可能裂流单元,直至所有可能裂流单元已标记序号;保留持续时间大于第三阈值的标号裂流;将每个序号的裂流在流场图上叠加画出其最小外接框,通过人工校验,得到裂流识别结果。本发明能够识别出沟槽裂流和瞬变裂流两种类型的裂流,可适用于不同来源的流场数据,为海滨裂流预警和防护。

    一种基于机器学习的海浪缺测数据预报方法

    公开(公告)号:CN116595442A

    公开(公告)日:2023-08-15

    申请号:CN202310675335.2

    申请日:2023-06-08

    Inventor: 王锦 董昌明

    Abstract: 本发明公开了一种基于机器学习的海浪缺测数据预报方法,其步骤具体为:获取浮标信息,包括浮标位置信息和浮标数据;对浮标数据进行预处理;根据浮标位置信息利用k‑means聚类分析算法对浮标进行分类,基于已分类的预处理的浮标数据,确定训练集和验证集;基于训练集和验证集,利用改进的LSTM方法,构建缺测数据预报模型;通过两点间距离公式确定最优浮标,将最优浮标的数据带入缺测数据预报模型,得到缺测数据预报结果;利用RMSE和MAPE进行检验缺测数据预报结果。本发明通过人工智能预报方法有效挖掘并自主分析数据的变化规律,通过训练学习获得一系列复杂、非线性的海洋特征,实现海浪缺测数据的预报。

    基于注意力的多尺度残差U-Net的海洋中尺度涡旋检测方法

    公开(公告)号:CN118378665B

    公开(公告)日:2024-10-25

    申请号:CN202410817315.9

    申请日:2024-06-24

    Abstract: 本发明公开了基于注意力的多尺度残差U‑Net的海洋中尺度涡旋检测方法,包括以下步骤:(1)获取海平面异常数据SLA,选取海表面温度数据SST,选取基于卫星高度计的海洋涡旋识别追踪数据集;(2)对基于卫星高度计的海洋涡旋识别追踪数据集制作涡旋标签,对海平面异常数据和海表面温度数据进行归一化处理;(3)对得到的归一化结果进行拼接;遍历涡旋标签数据,根据预设的区域对涡旋标签进行数组截取,得到涡旋标签数据集;(4)构建双交叉多尺度特征融合网络模型并进行训练;(5)将测试集输入最优的模型中进行性能测试,得到测试结果,将测试结果与涡旋标签进行对比得到评价指标;本发明提升了检测精度与效率。

    一种识别海洋涡旋边缘叶绿素环状结构的方法

    公开(公告)号:CN109815962B

    公开(公告)日:2022-12-23

    申请号:CN201910043137.8

    申请日:2019-01-17

    Abstract: 本发明公开了一种识别海洋涡旋边缘叶绿素环状结构的方法,包括以下步骤:(1)利用卫星观测海平面高度异常(MSLA)数据,通过计算识别海洋涡旋,形成涡旋数据集。(2)对涡旋数据集与海表面叶绿素数据集进行时空匹配,获得带有叶绿素浓度数据的涡旋综合数据集。(3)在涡旋综合数据集中选取样本区域,样本区域将某个海洋涡旋包含在样本区域内。(4)通过提取样本区域内的叶绿素浓度数据的特征,判断在该区域内是否形成了叶绿素环状结构。本发明能够对大样本的海洋涡旋和海表叶绿素浓度数据集进行处理,自动识别出大量叶绿素环状结构,节省了人力和测绘时间。

    一种基于深度学习模型的海浪波高预测方法及系统

    公开(公告)号:CN114445634A

    公开(公告)日:2022-05-06

    申请号:CN202210189203.4

    申请日:2022-02-28

    Abstract: 本发明公开了一种基于深度学习模型的海浪波高预测方法及系统,涉及海洋预测技术领域,包括以下步骤:获取海浪波高的图片数据;对所述海浪波高的图片数据进行预处理,并将预处理后的海浪波高的图片数据作为训练数据集;构建海浪有效波高数据预测模型,将所述训练数据集输入海浪有效波高数据预测模型中进行深度学习训练,直至达到预设精度,获得最优预测模型;通过所述最优预测模型进行海浪有效波高预测,并对预测结果进行反归一化,得到海浪有效波高的预测值。本发明能够解决现有预测技术存在的计算量大、成本高、无法快速预测、对特征工程的依赖等缺陷,进而实现低成本的快速精确预测。

    一种确定水深的方法及系统

    公开(公告)号:CN104457901B

    公开(公告)日:2018-01-05

    申请号:CN201410713468.5

    申请日:2014-11-28

    Abstract: 本发明提供了一种确定水深的方法及系统,所述方法包括:获取初始水深;分别获取初始时刻海表大气压与海底以上单位面积海水引起的第一压力之和、测量仪器在初始水深处的初始压力、终止时刻海表大气压与海底以上单位面积海水引起的第二压力之和及测量仪器在终止水深处的终止压力;分别确定第一压力之和与初始压力的差值,获取第一数值,第二压力之和与终止压力的差值,获取第二数值;确定第二数值与第一数值的差值,获取第三数值;确定第三数值与调取的参考海水密度和重力加速度参数相乘结果的比值,获取垂直位移;确定初始水深与垂直位移的差值,获取终止水深处的水深;该方法消除了在确定水深时的误差,直接得到测量仪器相对于平均海平面的深度。

Patent Agency Ranking