基于高光谱数据的东海近海悬浮泥沙浓度估测研究

本文旨在寻找悬浮泥沙浓度的遥感反演估测模型,并进行验证。现场持光谱仪利用水面以上法测量较少实测区东海近海二类水体的高光谱反射率,并同步获取水样分析泥沙浓度。通过对试验数据的分析发现,水体反射光谱有明显的"双峰"现象,即在可见光波段(560~720 nm)和近红外波段(810 nm)出现两个明显的反射峰。本文基于相关分析和最小二乘法建立了单波段及波段比值与泥沙浓度关系的回归方程。结果选择815 nm处单波段及815/555波段比值进行回归的拟合精度好,并且泥沙浓度对数和光谱反射率的反演效果最好。     

海岸带地形要素遥感反演技术研究进展

海岸带地形要素包括海岸线、干出滩地形、浅海水下地形等。以遥感手段获取敏感岸带、争议岸带以及条件恶劣的不可达岸带的地形要素具有天然的优势。阐述了海岸带地形要素遥感反演近年来取得的成果,分析了利用高潮位时相的影像数据提取海岸线、利用低潮位时相的影像数据进行潮滩地形反演以及近岸浅海水深反演等技术的研究进展,并提出了研究建议。     

基于HJ-CCD的舟山近海海域悬浮泥沙浓度遥感反演

舟山近海海域悬浮泥沙浓度较高,对于水质和生态环境等有不利影响,对其监测具有重大意义。为了反演舟山近海海域悬浮泥沙浓度,本文基于实测光谱数据和悬浮泥沙水体样本数据,结合CCD影像的波段设置,计算等效遥感反射率,建立水体遥感反射率与悬浮泥沙浓度的反演模型,发现R_e(3)/R_e(1)和R_e(3)/R_e(2)波段组合有着较高的相关性和反演精度,而(R_e(2)+R_e(3))/R_e(2)/R_e(3)的波段组合有着最高的反演精度。并利用HJ-CCD遥感数据,绘制泥沙浓度分布图,为舟山近海海域悬浮泥沙浓度监测提供有效方法。     

基于参数化模型的架空直立式码头损伤诱因反演

近年来架空直立式码头成为长江上游地区码头主要的结构形式之一,由于其构件数量多、外部损伤因素复杂,又缺乏有效的损伤获知手段,导致很多码头处于“亚健康”服役状态。桩基作为整个码头结构的关键构件,是“窥视”码头结构受力状态及外界损伤诱因作用的重要“窗口”。通过构建神经网络反演模型对采集的有限元计算数据进行分析,采用Python-MANSYS建立了简化计算模型,通过与实体单元模型进行对比,验证了简化计算模型的适用性。通过抽样的方式获取参数化分析的数据样本空间,并通过降维提取反演模型所需数据。在此基础上,对主要损伤诱因的相关参数进行反演,并对反演结果和模型性能进行分析。     

基于GIS和RS长江口南港冲淤变化的可视化分析

利用遥感图像反射率和实测水深值之间的相关性，建立了动量BP人工神经网络水深反演模型，对缺失的1995年的水下地形资料进行了插补，并利用插补后的1973～2003年南港水下地形资料计算了南港河段的泥沙冲淤量，分析了南港河段等深线和横断面的变化，结果表明BP人工神经网络水深反演模型能反演出研究区的水深分布情况，特别是对水深浅于-5m区域，模型反演效果更好。     

基于星地同测的长江口水文数据建模研究

为探索实现长江口水文、地形和生态的大范围、高频次、抗恶劣海况的高精度遥感监测技术,利用高分五号卫星,进行了星地同步监测方案试验,获取了建模所需高光谱大数据。采用函数拟合等数据建模方法,逐步建立了含沙量等水体参数的高光谱影像反演模型,并给出含沙量浓度反演模型的输出效果,最后指出后续深化研究方向。     

X波段雷达观测暴风雨天气折射波浪场研究

X波段雷达可用于观测折射波浪场并捕获如波峰等海面特征.该X波段雷达安装在面向太平洋且呈直线的海岸上,以小时为单位收集大约5公里长的海岸表面数据.本文对2005年7月26日台风BANYAN发生中的9个小时的折射波浪场进行分析,通过傅里叶变换过滤图像得到各方向的波数,并计算出了波向,水深和沿岸流速.该研究为理解沿岸流的特性有一定的指导意义.     

基于多目标粒子群优化和主成分聚类分析的船舶主尺度分析

根据多个技术和经济指标进行船舶主尺度优化论证是船舶设计人员需要着重解决的问题。提出结合粒子群优化和主成分聚类两阶段的方法进行船舶主尺度论证分析。建立了以载重量、建造费用、服务航速和提供舱容为设计指标的水面船主尺度论证模型。采用多目标粒子群优化算法对船舶优化模型进行求解,获得问题的Pareto解集。使用主成分聚类分析对该数据集进行综合评价。先将Pareto解集进行主成分分析,使用前2个主成分就能够表达原始数据的绝大部分信息,再通过对主成分进行聚类,获得不同类别中Pareto解集的特征,根据第一主成分得分获得每个聚类中设计样本的排序,最终可以从Pareto解集中得到折中解。利用主成分分析和聚类技术还研究了变量在主平面上的映射以及聚类特性。给出了1艘水面船的主尺度论证算例,表明本文给出的方法合理可行。     

辐射沙洲潮流水道悬沙动力关系BP神经网络模拟研究

根据江苏辐射沙洲东大港水道4^#站位连续2个潮周期的流速、含沙量及水深的时序测量资料，取时序测量（计算）数据中的前21组数据为学习样本，后5组数据为检验样本，建立了该潮流水道的4种输沙BP神经网络动力模型。验证表明，运用BP神经网络模型可以建立精度较高的水体含沙量非线性动力关系，并可利用建立模型进行相应问题的预测计算。     

基于小波滤波和LSTM神经网络的船舶运动极短期预报研究

为了提高船舶运动极短期预报精度及预报时间长度,本文采用小波多分辨率分析方法,将含有噪声的船舶运动信号进行了多尺度小波变换,通过采用阈值函数法对各尺度下细节信号的小波系数进行处理,对小波分解层数、小波基函数、阈值处理方法进行了深入研究,并通过模型试验数据对滤波效果进行了验证分析,实现了船舶运动信号的小波滤波.进一步针对船舶运动的非线性特性,基于深度神经网络的非线性映射能力,建立了基于LSTM网络的多步直接映射船舶运动极短期预报模型,并采用滤波后的船舶运动数据进行了不同工况下的预报分析.结果表明,不同时间长度的预报与试验结果幅值和相位吻合较好,验证了所建立的极短期预报模型的可行性.