【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法及系統(tǒng)。
技術(shù)介紹
1、海洋浮標(biāo)觀測(cè)系統(tǒng)作為獲取海洋環(huán)境數(shù)據(jù)的重要手段，在全球氣候變化研究、海洋資源開發(fā)和海洋環(huán)境保護(hù)等領(lǐng)域發(fā)揮著關(guān)鍵作用。然而，長(zhǎng)期浸泡在海水中的浮標(biāo)傳感器會(huì)受到生物附著、化學(xué)腐蝕和機(jī)械磨損等因素的影響，導(dǎo)致測(cè)量數(shù)據(jù)產(chǎn)生漂移。傳統(tǒng)的鹽度漂移校正方法主要依賴于定期的人工校準(zhǔn)和簡(jiǎn)單的統(tǒng)計(jì)模型，如線性回歸或移動(dòng)平均等。這些方法雖然在一定程度上能夠校正鹽度漂移，但難以適應(yīng)復(fù)雜多變的海洋環(huán)境和不同類型的漂移模式。
2、現(xiàn)有技術(shù)存在以下不足：首先，傳統(tǒng)方法難以捕捉鹽度漂移的非線性和多尺度特性，導(dǎo)致校正精度不高；其次，現(xiàn)有方法往往忽視了時(shí)空相關(guān)性，無法充分利用相鄰浮標(biāo)和歷史數(shù)據(jù)中的有用信息；再者，當(dāng)前的校正算法缺乏自適應(yīng)能力，難以應(yīng)對(duì)新出現(xiàn)的漂移模式和突發(fā)環(huán)境變化；最后，現(xiàn)有方法在處理大規(guī)模多源異構(gòu)數(shù)據(jù)時(shí)效率低下，難以滿足實(shí)時(shí)校正的需求。這些問題嚴(yán)重制約了海洋觀測(cè)數(shù)據(jù)的質(zhì)量和可靠性，影響了海洋科學(xué)研究和實(shí)際應(yīng)用的準(zhǔn)確性。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)?zhí)峁┝艘环N用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法及系統(tǒng)，用于提升了用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正的準(zhǔn)確率。
2、第一方面，本申請(qǐng)?zhí)峁┝艘环N用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，所述用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法包括：對(duì)歷史浮標(biāo)觀測(cè)數(shù)據(jù)和當(dāng)前環(huán)境參數(shù)進(jìn)行采集及預(yù)處理，得到多源異構(gòu)數(shù)據(jù)集；對(duì)所述多源異構(gòu)數(shù)據(jù)集進(jìn)行多維環(huán)境因子分析，得到鹽度影響因子權(quán)重
3、結(jié)合第一方面，在本申請(qǐng)第一方面的第一種實(shí)現(xiàn)方式中，所述對(duì)歷史浮標(biāo)觀測(cè)數(shù)據(jù)和當(dāng)前環(huán)境參數(shù)進(jìn)行采集及預(yù)處理，得到多源異構(gòu)數(shù)據(jù)集，包括：對(duì)所述歷史浮標(biāo)觀測(cè)數(shù)據(jù)以及所述當(dāng)前環(huán)境參數(shù)進(jìn)行時(shí)間戳對(duì)齊，得到時(shí)間同步數(shù)據(jù)；對(duì)所述時(shí)間同步數(shù)據(jù)進(jìn)行空間網(wǎng)格劃分，得到網(wǎng)格化觀測(cè)數(shù)據(jù)；對(duì)所述網(wǎng)格化觀測(cè)數(shù)據(jù)進(jìn)行小波變換去噪處理，得到降噪觀測(cè)數(shù)據(jù)；對(duì)所述降噪觀測(cè)數(shù)據(jù)進(jìn)行缺失值插補(bǔ)，得到完整觀測(cè)數(shù)據(jù)集；對(duì)所述完整觀測(cè)數(shù)據(jù)集進(jìn)行主成分分析，得到降維特征集；對(duì)所述降維特征集進(jìn)行基于四分位距法的異常值檢測(cè)，得到異常標(biāo)記數(shù)據(jù)；對(duì)所述異常標(biāo)記數(shù)據(jù)進(jìn)行異常樣本剔除，得到清洗數(shù)據(jù)集；對(duì)所述清洗數(shù)據(jù)集進(jìn)行格式統(tǒng)一化處理，得到標(biāo)準(zhǔn)化多源異構(gòu)數(shù)據(jù)集；將所述標(biāo)準(zhǔn)化多源異構(gòu)數(shù)據(jù)集存入分布式數(shù)據(jù)庫(kù)，得到索引化數(shù)據(jù)集；對(duì)所述索引化數(shù)據(jù)集進(jìn)行數(shù)據(jù)質(zhì)量評(píng)分，得到帶質(zhì)量標(biāo)簽的多源異構(gòu)數(shù)據(jù)集。
4、結(jié)合第一方面，在本申請(qǐng)第一方面的第二種實(shí)現(xiàn)方式中，所述對(duì)所述多源異構(gòu)數(shù)據(jù)集進(jìn)行多維環(huán)境因子分析，得到鹽度影響因子權(quán)重，包括：對(duì)所述多源異構(gòu)數(shù)據(jù)集進(jìn)行時(shí)間序列分解，得到趨勢(shì)分量；對(duì)所述趨勢(shì)分量進(jìn)行滑動(dòng)窗口相關(guān)性分析，得到動(dòng)態(tài)相關(guān)系數(shù)矩陣；對(duì)所述動(dòng)態(tài)相關(guān)系數(shù)矩陣執(zhí)行譜聚類，得到環(huán)境因子聚類結(jié)果；對(duì)所述環(huán)境因子聚類結(jié)果進(jìn)行主成分回歸分析，得到初步因子權(quán)重；對(duì)所述初步因子權(quán)重應(yīng)用bootstrap重采樣，得到權(quán)重置信區(qū)間；通過自適應(yīng)模糊推理系統(tǒng)對(duì)所述權(quán)重置信區(qū)間進(jìn)行模糊化處理，得到模糊權(quán)重集；對(duì)所述模糊權(quán)重集執(zhí)行層次分析過程，得到層次化權(quán)重結(jié)構(gòu)；對(duì)所述層次化權(quán)重結(jié)構(gòu)應(yīng)用交叉驗(yàn)證，得到驗(yàn)證權(quán)重；對(duì)所述驗(yàn)證權(quán)重進(jìn)行貢獻(xiàn)度量化，得到因子重要性排序；對(duì)所述因子重要性排序進(jìn)行非線性優(yōu)化，得到所述鹽度影響因子權(quán)重。
5、結(jié)合第一方面，在本申請(qǐng)第一方面的第三種實(shí)現(xiàn)方式中，所述通過所述鹽度影響因子權(quán)重對(duì)浮標(biāo)鹽度數(shù)據(jù)進(jìn)行漂移檢測(cè)和量化，得到累積偏差積分值，包括：對(duì)浮標(biāo)鹽度數(shù)據(jù)進(jìn)行滑動(dòng)時(shí)間窗口分割，得到時(shí)間序列片段；對(duì)所述時(shí)間序列片段進(jìn)行小波多分辨率分析，得到多尺度分解結(jié)果；通過經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)所述多尺度分解結(jié)果進(jìn)行趨勢(shì)提取，得到漂移趨勢(shì)曲線；對(duì)所述漂移趨勢(shì)曲線進(jìn)行分段線性擬合，得到分段斜率序列；對(duì)所述分段斜率序列進(jìn)行自適應(yīng)閾值分割，得到漂移事件標(biāo)記；對(duì)所述漂移事件標(biāo)記進(jìn)行模式匹配，得到漂移類型識(shí)別結(jié)果；對(duì)所述漂移類型識(shí)別結(jié)果進(jìn)行累積偏差計(jì)算，得到原始累積偏差值；對(duì)所述原始累積偏差值進(jìn)行平滑處理，得到所述累積偏差積分值。
6、結(jié)合第一方面，在本申請(qǐng)第一方面的第四種實(shí)現(xiàn)方式中，所述對(duì)所述累積偏差積分值進(jìn)行多尺度校正計(jì)算，得到初步校正數(shù)據(jù)，包括：對(duì)所述累積偏差積分值進(jìn)行小波包分解，得到多尺度系數(shù)集；通過自適應(yīng)閾值對(duì)所述多尺度系數(shù)集進(jìn)行軟閾值處理，得到去噪系數(shù)集；對(duì)所述去噪系數(shù)集進(jìn)行逆小波包變換，得到重構(gòu)偏差序列；對(duì)所述重構(gòu)偏差序列進(jìn)行分段多項(xiàng)式擬合，得到校正函數(shù)；通過滑動(dòng)中值濾波對(duì)所述校正函數(shù)進(jìn)行平滑處理，得到平滑校正曲線；對(duì)原始鹽度數(shù)據(jù)和所述平滑校正曲線進(jìn)行差分運(yùn)算，得到校正后鹽度值；通過變分模態(tài)分解對(duì)所述校正后鹽度值進(jìn)行殘余漂移提取，得到所述初步校正數(shù)據(jù)。
7、結(jié)合第一方面，在本申請(qǐng)第一方面的第五種實(shí)現(xiàn)方式中，所述對(duì)所述初步校正數(shù)據(jù)進(jìn)行動(dòng)態(tài)時(shí)空權(quán)重優(yōu)化，得到優(yōu)化校正數(shù)據(jù)，包括：對(duì)所述初步校正數(shù)據(jù)進(jìn)行時(shí)空網(wǎng)格劃分，得到網(wǎng)格化校正數(shù)據(jù)；對(duì)所述網(wǎng)格化校正數(shù)據(jù)執(zhí)行空間自相關(guān)分析，得到局部空間依賴性指標(biāo)；通過變分貝葉斯推斷對(duì)所述局部空間依賴性指標(biāo)進(jìn)行概率分布估計(jì)，得到空間相關(guān)性模型；對(duì)所述空間相關(guān)性模型進(jìn)行動(dòng)態(tài)空間權(quán)重匹配，得到動(dòng)態(tài)空間權(quán)重矩陣；對(duì)所述初步校正數(shù)據(jù)進(jìn)行時(shí)間序列分解，得到季節(jié)分量；對(duì)所述季節(jié)分量進(jìn)行局部多項(xiàng)式回歸，得到時(shí)間相關(guān)性曲線；對(duì)所述時(shí)間相關(guān)性曲線執(zhí)行指數(shù)平滑處理，得到動(dòng)態(tài)時(shí)間權(quán)重向量；將所述動(dòng)態(tài)空間權(quán)重矩陣與所述動(dòng)態(tài)時(shí)間權(quán)重向量進(jìn)行張量積運(yùn)算，得到時(shí)空聯(lián)合權(quán)重張量；對(duì)所述初步校正數(shù)據(jù)和所述時(shí)空聯(lián)合權(quán)重張量進(jìn)行加權(quán)平均計(jì)算，得到權(quán)重校正數(shù)據(jù)；通過各向異性擴(kuò)散濾波算法對(duì)所述權(quán)重校正數(shù)據(jù)進(jìn)行邊緣保持平滑處理，得到優(yōu)化校正數(shù)據(jù)。
8、結(jié)合第一方面，在本申請(qǐng)第一方面的第六種實(shí)現(xiàn)方式中，所述對(duì)所述優(yōu)化校正數(shù)據(jù)進(jìn)行實(shí)時(shí)性能評(píng)估及自動(dòng)閾值調(diào)整，得到目標(biāo)校正數(shù)據(jù)和參數(shù)更新策略，包括：對(duì)所述優(yōu)化校正數(shù)據(jù)進(jìn)行多維度頻譜分析，得到頻域特征矩陣；對(duì)所述頻域特征矩陣進(jìn)行特征提取，得到主要特征向量；對(duì)所述主要特征向量進(jìn)行聚類分析，得到數(shù)據(jù)模式分組；通過滑動(dòng)窗口法對(duì)所述數(shù)據(jù)模式分組進(jìn)行時(shí)序相關(guān)性計(jì)算，得到動(dòng)態(tài)關(guān)聯(lián)矩陣；基于所述動(dòng)態(tài)關(guān)聯(lián)矩陣，通過自適應(yīng)閾值算法構(gòu)建多層閾值網(wǎng)絡(luò)，得到閾值候選集；對(duì)所述閾值候選集進(jìn)行交叉驗(yàn)證，得到最優(yōu)閾值組合；通過插值法對(duì)所述最優(yōu)閾值組合進(jìn)行連續(xù)化處理，得到平滑閾值曲線；基于所述平滑閾值曲線，對(duì)校正效果進(jìn)行多指標(biāo)評(píng)估，得到綜合性能得分；對(duì)所述綜合性能得分進(jìn)行時(shí)間序列預(yù)測(cè)，得到性能趨勢(shì)預(yù)測(cè)；根據(jù)所述性能趨勢(shì)預(yù)測(cè)，通過迭代優(yōu)化算法調(diào)整校正參數(shù)，得到所述目標(biāo)校正數(shù)據(jù)和所述參數(shù)更新策略。
9、第二方面，本申請(qǐng)?zhí)峁┝艘环N用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正系統(tǒng)，所述用于浮標(biāo)觀測(cè)數(shù)本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，其特征在于，所述用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法包括：
2.根據(jù)權(quán)利要求1所述的用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，其特征在于，所述對(duì)歷史浮標(biāo)觀測(cè)數(shù)據(jù)和當(dāng)前環(huán)境參數(shù)進(jìn)行采集及預(yù)處理，得到多源異構(gòu)數(shù)據(jù)集，包括：
3.根據(jù)權(quán)利要求1所述的用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，其特征在于，所述對(duì)所述多源異構(gòu)數(shù)據(jù)集進(jìn)行多維環(huán)境因子分析，得到鹽度影響因子權(quán)重，包括：
4.根據(jù)權(quán)利要求1所述的用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，其特征在于，所述通過所述鹽度影響因子權(quán)重對(duì)浮標(biāo)鹽度數(shù)據(jù)進(jìn)行漂移檢測(cè)和量化，得到累積偏差積分值，包括：
5.根據(jù)權(quán)利要求1所述的用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，其特征在于，所述對(duì)所述累積偏差積分值進(jìn)行多尺度校正計(jì)算，得到初步校正數(shù)據(jù)，包括：
6.根據(jù)權(quán)利要求1所述的用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，其特征在于，所述對(duì)所述初步校正數(shù)據(jù)進(jìn)行動(dòng)態(tài)時(shí)空權(quán)重優(yōu)化，得到優(yōu)化校正數(shù)據(jù)，包括：
7.根據(jù)權(quán)利要求1所述的用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，其特征在于，
8.一種用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正系統(tǒng)，其特征在于，用于執(zhí)行如權(quán)利要求1-7中任一項(xiàng)所述的用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，所述用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正系統(tǒng)包括：
...【技術(shù)特征摘要】
1.一種用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，其特征在于，所述用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法包括：
2.根據(jù)權(quán)利要求1所述的用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，其特征在于，所述對(duì)歷史浮標(biāo)觀測(cè)數(shù)據(jù)和當(dāng)前環(huán)境參數(shù)進(jìn)行采集及預(yù)處理，得到多源異構(gòu)數(shù)據(jù)集，包括：
3.根據(jù)權(quán)利要求1所述的用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，其特征在于，所述對(duì)所述多源異構(gòu)數(shù)據(jù)集進(jìn)行多維環(huán)境因子分析，得到鹽度影響因子權(quán)重，包括：
4.根據(jù)權(quán)利要求1所述的用于浮標(biāo)觀測(cè)數(shù)據(jù)的鹽度漂移校正方法，其特征在于，所述通過所述鹽度影響因子權(quán)重對(duì)浮標(biāo)鹽度數(shù)據(jù)進(jìn)行漂移檢測(cè)和量化，得到累積偏差積分值，包括：
5.根據(jù)權(quán)利要求1所述的...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：姚中原，張銘，馮樂，張波，劉鑫，張宇，李廣海，趙劍劍，白亮，嚴(yán)祺慧，孫捷，施俊佼，胡皓，張偉，
申請(qǐng)(專利權(quán))人：盛東如東海上風(fēng)力發(fā)電有限責(zé)任公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。