一种基于船舶运动频谱的安稳期概率统计方法及系统

    公开(公告)号:CN118378014B

    公开(公告)日:2024-08-23

    申请号:CN202410804962.6

    申请日:2024-06-21

    IPC分类号: G06F17/18

    摘要: 本发明属于船舶与海洋工程技术领域,公开了一种基于船舶运动频谱的安稳期概率统计方法及系统。该方法通过船舶运动时历获取频谱信息,通过随机过程的统计学分析,利用概率论的联合分布以及马尔科夫链理论建立船舶运动安稳期概率模型,利用历史数据完成航行作业的提前规划以及实际作业中安稳期概率的计算。本发明能够提前在船舶进入某海域作业前给出满足作业要求的安稳期发生概率,同时能在作业前的一段时间内给出安稳期出现的概率,为海上船舶的航行作业计划提供辅助决策。

    一种面向典型海域的气象模式数值调优方法及系统

    公开(公告)号:CN118627313A

    公开(公告)日:2024-09-10

    申请号:CN202411087631.1

    申请日:2024-08-09

    摘要: 本发明属于海洋环境数据计算技术领域,公开了一种面向典型海域的气象模式数值调优方法及系统。该方法基于实测数据,从计算策略、源项方案、计算精度方面分析数值模式计算结果。通过构建气象数值模式调优方法,对气象数值模式计算策略、多物理方案计算方法进行逐步优化,并通过计算精度分析完成对气象数值模式计算结果的评估,最终实现对气象模式的调优和目标区域气象数据的高精度数值模拟。本发明基于实测数据,从计算策略、参数方案、计算精度等方面分析数值模式计算结果,并构建数值模式调优流程,对模式计算策略、多物理方案组合及参数选择进行逐步优化,实现模式的高效调优和目标区域气象数据的高精度模拟。

    一种基于船舶运动频谱的安稳期概率统计方法及系统

    公开(公告)号:CN118378014A

    公开(公告)日:2024-07-23

    申请号:CN202410804962.6

    申请日:2024-06-21

    IPC分类号: G06F17/18

    摘要: 本发明属于船舶与海洋工程技术领域,公开了一种基于船舶运动频谱的安稳期概率统计方法及系统。该方法通过船舶运动时历获取频谱信息,通过随机过程的统计学分析,利用概率论的联合分布以及马尔科夫链理论建立船舶运动安稳期概率模型,利用历史数据完成航行作业的提前规划以及实际作业中安稳期概率的计算。本发明能够提前在船舶进入某海域作业前给出满足作业要求的安稳期发生概率,同时能在作业前的一段时间内给出安稳期出现的概率,为海上船舶的航行作业计划提供辅助决策。

    基于人工神经网络的随船摇荡运动反演波浪方法及系统

    公开(公告)号:CN117104452A

    公开(公告)日:2023-11-24

    申请号:CN202311048781.7

    申请日:2023-08-19

    IPC分类号: B63B79/15 B63B79/00

    摘要: 本发明属于船舶与海洋工程技术领域,公开了基于人工神经网络的随船摇荡运动反演波浪方法及系统。该方法通过数据驱动的方式进行基于船舶运动的波浪统计特征中有义波高、特征周期和波浪浪向的反演,同时通过船上布置的位姿传感器进行船舶运动数据的获取,进而获取随船周围海浪信息。本发明对不同的海况均具有良好的鲁棒性。同时这类方法通过船上布置的位姿传感器即可实现船舶运动数据的获取,其硬件需求较为简单,成本效益较高,且能够实现随船波浪监测。这类方法为当前获取随船周围海浪信息提供了一种新的解决路径,可为船舶航行和作业决策提供波浪环境数据支撑。

    基于数据融合的船舶运动极短期预报模型泛化性优化方法

    公开(公告)号:CN116842381A

    公开(公告)日:2023-10-03

    申请号:CN202310701618.X

    申请日:2023-06-13

    摘要: 本发明属于船舶与海洋工程技术领域,公开了基于数据融合的船舶运动极短期预报模型泛化性优化方法。针对不同工况下船舶运动时历数据特征的差异性,利用多工况数据融合方法融合不同工况下的时历数据,构建相应的训练集,通过深度学习模型的训练提取多工况下运动时历特征,实现多工况下运动时历预报。通过本发明可以实现多种工况条件下的运动时历数据融合训练,实现深度学习神经网络对不同工况条件下的数据特征提取,相应训练所得的预报模型具有更强的泛化性表现,可以针对多种工况条件下的运动时历均保持较好的预报效果。通过该发明可以较好的平衡预报精度与模型适应性,提高船舶相关作业安全的保障能力。

    基于深度学习的非相参雷达相位解析波浪时历反演方法

    公开(公告)号:CN117647808B

    公开(公告)日:2024-04-30

    申请号:CN202410102035.X

    申请日:2024-01-25

    IPC分类号: G01S13/89 G01S13/95

    摘要: 本发明公开了基于深度学习的非相参雷达相位解析波浪时历反演方法,涉及海洋遥感探测领域,包括步骤:预处理雷达海杂波图像,通过傅里叶变换将区域内雷达海杂波图像的灰度数据变为雷达图像频谱数据;构建深度学习频谱映射模型,将雷达图像频谱数据输入到构建的深度学习频谱映射模型,深度学习频谱映射模型包括三维卷积模块、位置编码、注意力模块、残差模块和三维转置卷积模块;最后数据逆处理,将模型计算的频谱数据转换为实际相位解析海浪时历数据。本发明能够减少频谱数据缺失的现象,提高反演数据的准确性。