-
公开(公告)号：CN117172091A
公开(公告)日：2023-12-05
申请号：CN202310906060.9
申请日：2023-07-24
申请人： 天津大学 , 中交第一航务工程局有限公司 , 中交一航局第三工程有限公司
摘要： 本发明属于海洋信息技术领域，本发明涉及一种时空多尺度的北极海冰多要素中长期智能预报方法。包括以下步骤：利用遥感观测资料构造海冰密集度与海冰厚度的联合演化张量；分离联合演化张量的时空季节尺度信号；构建海冰密集度与海冰厚度的时空三维正交模态；计算各个模态的时间演化系数；利用时空多尺度深度学习模型对时间演化系数进行滚动预报。本发明通过时空多尺度的人工智能深度学习方案，构建海冰密集度1～3个月的中长期预测方法，脱离气象驱动时效10天左右的限制，使海冰密集度与海冰厚度的预测预报在传统海冰预报模式的基础之上大幅度提高预报时效，为有效提高北极航道安全保障水平奠定技术基础。
-
公开(公告)号：CN117273194A
公开(公告)日：2023-12-22
申请号：CN202311076098.4
申请日：2023-08-25
申请人： 天津大学 , 中交第一航务工程局有限公司 , 中交一航局第三工程有限公司
IPC分类号： G06Q10/04 , G06N3/0442 , G06N3/048 , G06N3/09
摘要： 一种基于复经验正交函数的黑潮路径预测方法，属于海洋信息技术领域。包括以下步骤：第一步，黑潮路径数据获取：第二步，黑潮路径预测模型CEOF‑GRU构建和训练；第三步，黑潮路径预报。本发明将大量原始数据压缩为少数几个主要模态，这不仅可以获取原始变量的特征信息，而且大大减少了原有数据量，降低了预测模型计算成本，解决了现有黑潮路径预测方法预测结果不稳定，准确度不太高的问题，具有良好的应用效果和广泛的应用前景。
-
公开(公告)号：CN118114496A
公开(公告)日：2024-05-31
申请号：CN202410324227.5
申请日：2024-03-21
申请人： 天津大学 , 中交第一航务工程局有限公司 , 中交一航局第三工程有限公司
IPC分类号： G06F30/20 , G06F17/16 , G06F119/02
摘要： 本发明属于海洋数据同化技术领域，涉及基于集合卡尔曼滤波的空间依赖参数全网格估计方法。包括：（1）初始参数集合的生成；（2）初始集合的平滑；（3）基于初始参数集合，进行模式自由积分，直到模式运行稳定；（4）基于EnKF方法进行状态和参数估计；（5）进行后验参数集合的平滑；（6）重复步骤（4）~（5），直到所有时刻的观测资料均同化完成。本发明通过引入平滑过程，滤除参数集合成员空间分布中的高频信息，在降低优化问题难度的同时保留观测中的大、中尺度空间分布信息与参数之间的相关性，实现了空间依赖参数的全网格估计，具有较大的研究意义和实用价值。
-
公开(公告)号：CN117494541A
公开(公告)日：2024-02-02
申请号：CN202310905646.3
申请日：2023-07-24
申请人： 天津大学 , 中交第一航务工程局有限公司 , 中交一航局第三工程有限公司
摘要： 本发明属于海洋信息技术领域，本发明涉及一种基于深度学习的水位和海面温度预报偏差订正方法。通过MEOF分析方法以及BP神经网络，构建SST和SSHA数值预报产品偏差的联合订正模型，进而通过试验改进对SST和SSHA预报的偏差订正效果，为提高SST和SSHA数值预报精度提供技术支持。本发明一方面，能联合SST和SSHA预报场同时进行偏差订正，节省了大量的计算时间。另一方面，对于业务化海洋数值预报系统而言，其三个关键组成部分：模式、数据同化和观测，一直处于不断更新换代过程中，更新的时间周期可以短到1~2年，该方法的偏差订正模型需要的平稳偏差序列长度恰好可以与之吻合。
-
公开(公告)号：CN117113834A
公开(公告)日：2023-11-24
申请号：CN202311075315.8
申请日：2023-08-25
申请人： 中交第一航务工程局有限公司 , 天津大学 , 中交一航局第三工程有限公司
IPC分类号： G06F30/27 , G06N3/0442 , G06N3/048 , G06N3/08 , G01C13/00
摘要： 本发明属于海洋信息技术领域，具体涉及一种基于深度学习的黑潮路径智能预报方法。包括黑潮路径数据获取、黑潮路径预报模型构建、黑潮路径预报模型训练、黑潮路径预报。本发明克服了传统海洋数值模式预报方法时效性限制问题，可以有效提高黑潮路径长期预报能力，且计算资源占用较少，不需要考虑数值预报过程中的动力过程；通过对数据进行降维处理，相较于传统的深度学习单点预测，提高了预报精度和预测效率；通过降低数据的噪声，提高数据稳定性，有助于进一步提高预报精度和延长预报时效；为黑潮路径长期预报提供新的思路，预计具有良好的应用效果和广阔的应用前景。
-
公开(公告)号：CN117114168A
公开(公告)日：2023-11-24
申请号：CN202310904711.0
申请日：2023-07-24
申请人： 天津大学 , 中交第一航务工程局有限公司 , 中交一航局第三工程有限公司
IPC分类号： G06Q10/04 , G06F18/2135 , G06F16/2458 , G06N3/0442 , G06N3/048
摘要： 本发明属于海洋信息技术领域，本发明涉及一种长时间尺度的海面温度智能预报方法。包括数据预处理、预报模型的构建与训练、温度的预测与评估步骤。本发明通过EOF分析建立了研究区域不同离散点之间的空间相关性，提取主要的空间正交模态信息，减少计算工作量；CEEMDAN具有很强的处理非线性的能力，增加了PC的可预测性，延长了预报时效；LSTM神经网络方法的应用，高效挖掘了数据中的信息，与传统数值模式相比，不受参数选择和计算平台的限制；本发明的混合模型实现了南海海面温度50天的长期预报，脱离海洋数值预报受气象驱动时效10天左右的限制，大幅提高了海洋变量预报时效，具有广泛的应用前景。
-
公开(公告)号：CN117113635A
公开(公告)日：2023-11-24
申请号：CN202310904224.4
申请日：2023-07-24
申请人： 天津大学 , 中交第一航务工程局有限公司 , 中交一航局第三工程有限公司
IPC分类号： G06F30/20 , G06F16/215 , G06T17/05 , G06T17/20 , G06F111/10 , G06F119/12
摘要： 本发明属于新一代海洋信息技术领域，涉及一种适用于小集合潮汐数据同化的多尺度偏差订正方法。利用极少的集合成员通过EAKF将观测数据同化到潮汐数值模型中，并利用MGA对分析结果自适应地做偏差订正，进而对水深参数进行最优估计，提高潮汐模拟精度的方法。该方法主要应用于基于小集合数据同化的海洋潮汐数值模拟和预报。本发明实现难度更小，且能有效地保留非线性信息，并易于实现并行计算；对状态方差膨胀和局地化的依赖大幅降低；保证同化过程满足背景场无偏这一数据同化理论基本假设，计算效率明显提高；可为提高陆架浅海区域潮汐分析和预报的精度提供新的思路。
-
公开(公告)号：CN117171379A
公开(公告)日：2023-12-05
申请号：CN202310922414.9
申请日：2023-07-26
申请人： 天津大学 , 中交第一航务工程局有限公司 , 中交一航局第三工程有限公司
摘要： 本发明属于海洋数据分析技术领域，本发明涉及一种基于海冰密集度预报结果分析的可视化系统。包括海洋要素数据获取及储存、数据处理、可视化设计、数据分析、可视化展示及交互、可视化图表的储存、系统优化和维护。本发明支持包括海表温度、盐度、风场、密度在内的多类型数据处理、简便易用、可定制性强、可视化效果好的海洋要素可视化系统，以帮助用户更好地了解和感知海洋要素及其变化趋势，为气候变化和海洋生态系统的研究提供有力支持。
-
公开(公告)号：CN117171254A
公开(公告)日：2023-12-05
申请号：CN202310922162.X
申请日：2023-07-26
申请人： 天津大学 , 中交第一航务工程局有限公司 , 中交一航局第三工程有限公司
IPC分类号： G06F16/26 , G06F16/29 , G06F16/215 , G06F16/248
摘要： 本发明属于海洋数据分析技术领域，本发明涉及一种支持多类型数据处理的海洋要素数据可视化系统。包括海洋要素数据获取及储存、数据处理、可视化设计、数据分析、可视化展示及交互、可视化图表的储存、系统优化和维护。本发明支持包括海表温度、盐度、风场、密度在内的多类型数据处理、简便易用、可定制性强、可视化效果好的海洋要素可视化系统，以帮助用户更好地了解和感知海洋要素及其变化趋势，为气候变化和海洋生态系统的研究提供有力支持。
-
公开(公告)号：CN117113684A
公开(公告)日：2023-11-24
申请号：CN202311075629.8
申请日：2023-08-25
申请人： 中交第一航务工程局有限公司 , 天津大学 , 中交一航局第三工程有限公司
摘要： 本发明属于浅海环境数据再分析和预报技术领域，本发明涉及一种多尺度潮汐开边界优化及预报方法。本发明优化数值模式分潮潮流开边界调和常数，基于观测数据，通过对调和常数对应的调整系数因子及其傅里叶级数展开进行计算，寻求最优潮汐开边界条件，降低潮汐模拟误差，提供更高精度的潮汐潮流预报数据，为生产生活、交通运输等工程决策提供数据支持；逐级递归优化，极大减少所需计算量，提升优化效果。
-
-
-
-
-
-
-
-
-
搜索结果
49 条记录 (耗时 0.097 秒)
