舰船姿态数据流在线预报算法研究

发布时间：2020-06-03 01:04

【摘要】：随着国家对航海战略的不断推进,舰船监测系统得以迅猛发展,对监测系统中获取的运动姿态数据流进行有效的预报挖掘就显得尤为重要。舰船在行进途中,受风、浪等外界干扰会不受控制地摇荡,特别是在较恶劣海况中航行时,幅度过大的摇摆运动对舰载机的升降、舰船及时减摇及航载导弹准确射出等造成严重威胁。若能对舰船几秒或十几秒的运动趋势提前预知,可以及时应对由摇荡产生的负面影响,对舰船安全作业具有巨大意义。舰船的运动姿态数据流在线预报一般指对数据流进行未来趋势实时预报,即运用一定的科学手段对舰船未来一段时间内(3-15s)姿态进行实时预报。利用历史数据对未来进行预报工作,隶属于数据挖掘的研究范畴,故本文的研究重点是对监测系统中获取的运动姿态数据流进行在线挖掘。考虑到舰船运动姿态数据流同时具有运动姿态和数据流的共同特点,本文以数据流挖掘为理论框架,提出了一种改进链式可重写滑窗技术,并将其用于数据流中概要数据结构的提取,对概要数据结构中数据集使用小波阈值降噪处理,再利用基于Kalman的Volterra核估计预报算法实现对监测系统中采集到的连续的运动姿态数据流的实时预报。经验证该方法在精度及计算效率上均具有较明显优势。本文开展研究如下:首先,对数据流的独特性及其对应的主要查询方式进行介绍,然后,对数据及数据流挖掘的目的、过程、框架及常用算法进行阐述,进而更好地了解挖掘的核心思想,使其恰当的运用到后续研究中。其次,考虑舰船运动姿态的混沌特性,分别利用Volterra级数和卡尔曼滤波(Kalman)两种算法及两种算法的组合算法对运动姿态进行预报研究,验证组合算法的优势,并结合传统滑动窗口方法实现数据流实时处理的需求。最后,分析传统滑动窗口技术存在的问题,提出改进链式可重写滑动窗口技术用于数据流处理,同时考虑到运动序列中的噪声问题,故先使用改进链式可重写滑窗获取概要数据结构,然后对其中的数据集进行小波阈值去噪,再使用基于Kalman滤波算法的Volterra核估计算法达到预报目的,通过在舰船运动姿态预报中的实践验证表明该算法可很好地解决运动姿态数据流在线预报问题。
【图文】：

第 2 章 数据流及挖掘理论数据具有持久性，一经保存后一直存在直到主动删除。2) 查询次数：由于数据流的瞬时特性，决定其数据一旦流过则会错失访问机会，即对该数据只能进行单次扫描访问，而传统数据库中数据则可随时不限次数地访问。3) 查询结果：在数据流上可做连续性查询，其返回的结果是近似结果，而数据库数据经查询可以得到当前数据库中所有满足条件的精确结果。4) 存取方式：数据流的项所对应的存取形式与时间保持一致，即按时间依次存取，而数据库的数据可以根据指令进行相应的存储和获取。5) 更新速度：数据流数据项更新常表现出多路、量大、速率快等特性，而数据库多以较低速率进行库的更新。用户

第 2 章 数据流及挖掘理论数据具有持久性，一经保存后一直存在直到主动删除。2) 查询次数：由于数据流的瞬时特性，决定其数据一旦流过则会错失访问机会，即对该数据只能进行单次扫描访问，而传统数据库中数据则可随时不限次数地访问。3) 查询结果：在数据流上可做连续性查询，其返回的结果是近似结果，而数据库数据经查询可以得到当前数据库中所有满足条件的精确结果。4) 存取方式：数据流的项所对应的存取形式与时间保持一致，即按时间依次存取，而数据库的数据可以根据指令进行相应的存储和获取。5) 更新速度：数据流数据项更新常表现出多路、量大、速率快等特性，而数据库多以较低速率进行库的更新。用户
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U674.7

【相似文献】

相关期刊论文 前10条

1 陈磊松;林锦贤;;面向高速网络的数据流处理模型研究[J];漳州师范学院学报(自然科学版);2006年02期

2 李斌;数据流处理自动化和重新设计[J];管理科学文摘;1997年05期

3 王文敏;方滨兴;胡铭曾;;逻辑程序设计语言的数据流并行计算模型研究[J];哈尔滨电工学院学报;1989年02期

4 David P.Misunas ,张启瑞;数据流处理机的性能分析[J];计算机工程与应用;1980年12期

5 陈付梅;韩德志;毕坤;戴永涛;;大数据环境下的分布式数据流处理关键技术探析[J];计算机应用;2017年03期

6 程小辉;肖富元;饶建辉;李泽球;;基于局域网的自适应修复的高可用数据流处理[J];计算机工程与设计;2011年07期

7 宫学庆;闫莺;常建龙;张晨;周傲英;;数据流处理技术在电信网管系统中的应用[J];计算机科学与探索;2008年02期

8 李俊奎;王元珍;;可重写循环滑动窗口:面向高效的在线数据流处理[J];计算机科学;2007年12期

9 牟柳晨,殷国富,廖敏;带传动远程设计系统的数据流处理方法[J];计算机应用;2004年S1期

10 朱蕾蕾;;大数据环境下的分布式数据流处理关键技术[J];电子技术与软件工程;2019年06期

相关会议论文 前5条

1 韩近强;杨冬青;唐世渭;;数据流处理中一种自适应的直方图维护算法[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年

2 楚红涛;寒枫;张燕;王婷;;基于数据流的挖掘研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

3 刘英杰;朱科军;赵京伟;;BESIII事例筛选软件中的备用机制[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年

4 曹辉;巨新刚;于飞;;面向在轨信息处理的多层次紧耦合处理器设计和应用[A];航天电子军民融合论坛暨第十四届学术交流会优秀论文集（2017年）[C];2017年

5 姜文红;;Linux系统中IPsec协议数据流处理方式的研究[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

相关重要报纸文章 前2条

1 文兴;从映射研究看美股做A股(二)[N];金融投资报;2019年

2 李勇;降低投资70%[N];中国计算机报;2003年

相关博士学位论文 前10条

1 任思琪;基于概念漂移的数据流集成分类算法研究[D];湖南大学;2018年

2 金澈清;数据流上若干查询处理算法的研究[D];复旦大学;2005年

3 王金栋;数据流系统中负载管理技术应用研究[D];南京航空航天大学;2006年

4 陈安龙;多数据流处理的关键技术研究[D];四川大学;2006年

5 单世民;基于网格和密度的数据流聚类方法研究[D];大连理工大学;2006年

6 刘学军;数据流聚集查询和频繁模式挖掘的研究[D];东南大学;2006年

7 王永利;数据流概要与数据流分析若干关键问题研究[D];东南大学;2006年

8 钱江波;连续查询硬处理器及相关算法研究[D];东南大学;2006年

9 曹锋;数据流聚类分析算法[D];复旦大学;2006年

10 崇志宏;基于屏蔽/汇总技术的数据流处理算法[D];复旦大学;2006年

相关硕士学位论文 前10条

1 张逸;面向数据中心的高性能重复数据删除机制研究[D];天津理工大学;2019年

2 吴爽;舰船姿态数据流在线预报算法研究[D];哈尔滨工程大学;2019年

3 冯忠慧;基于滑动窗口的数据流频繁模式挖掘算法的研究[D];天津工业大学;2019年

4 徐以玖;激光扫描数据流在线采集与辨识技术研究[D];长春理工大学;2018年

5 刘庭辉;智能电网大数据流的快速分发与任务调度方法研究[D];华北电力大学;2018年

6 魏星贝;基于时间关联性的数据流乱序处理技术[D];广西大学;2018年

7 陈贵丹;面向数据流的Top-k复杂事件查询技术研究[D];湖南大学;2018年

8 韩杰;基于集成学习的数据流分类算法研究[D];合肥工业大学;2018年

9 宋巧红;一种数据流突变点快速探测算法的研究与实现[D];东华大学;2018年

10 包涵;基于有监督学习的数据流多维序列异常检测技术研究[D];国防科学技术大学;2016年

，

本文编号：2694052