基于机器学习的海洋工程关键问题研究

发布时间：2024-03-17 12:41

　　本文以智慧海洋工程为研究背景,运用机器学习方法对海洋工程研究相关数据进行了信息抽取、趋势分析、温跃层识别以及突发事故人群疏散等关键问题展开研究。具体内容包括:1.随着海洋工程的快速发展,海洋科学研究热点频出,研究论文数量呈爆炸性增长,以人工方式从海量文献中抽取信息并追踪研究热点变得十分困难。本文搜集了发表在14份海洋工程期刊的3万篇文献数据(2010年至2019年),引入 Latent Dirichlet Allocation 模型和 Phrase Latent Dirichlet Allocation 模型捕捉研究热点和前沿技术。结合聚类算法分析预测海洋工程的研究趋势,同时对重要研究趋势进行了验证。2.海洋物理属性研究一直是海洋工程领域的研究重点。跃层是海洋中的重要物理现象,尤其是温度跃层研究对于海洋气候与预测以及水下通讯有着重要的价值。然而目前海洋中的传感器采集的数据不够全面、统计粒度不够精细、标记数据较少。World Ocean Atlas 2013(WOA13)是为数不多的全球海洋气候实测数据集,WOA13原始数据具有数据量大、噪声多等特点。本文首先将该数据集预处理成栅格地图,...

【文章页数】：87 页

【学位级别】：博士

【部分图文】：

图１．１图灵测试示意图１６］??

第一章绪论??络型、智慧型系统发展，实现了智能控制、通讯导航、船岸信息直接交流等目??标。海洋环境立体观测网络、海底资源勘查与开发、海洋生物资源勘查与开发、??海水和海洋能资源综合利用、海洋环境安全保障及海洋开发装备等多个方面取??得了长足的进步。目前，海洋工程己经成为推动我国海....

图１．２人工智能研宄的主要发展进程［９］??

网络第一＾?濱纟ｉ，并从哲学、心理??高湖朗?学、适辑学中寻求酒见，?神经网＾以深度学习??代表包括决策树和基于逻?神经网络第一个高渕?之名再次??辑的学习?大黻升感知智路隹??丨联结举源对找进碰向?ｐｏｌｙ＾ｍ＾难题中?确串??分折，灵贼自于神经科??“黑箱”祖神经瞒??可归ｇ....

图１．３机器学习研究子领域文氏图??

第一章绪论??打败了人类冠军选手。??２０１２年，加拿大滑铁卢大学Ｃｈｒｉｓ?Ｅｌｉａｓｍｉｔｈ团队创造了一个拥有２５０万个??模拟神经元的虚拟大脑Ｓｐａｕｎ。它具有简单的认知能力，能执行８种不同类型??的任务。从机械学上来说这个模拟大脑并不复杂，但是实验发现其变通能力非??常好....

图１．４机器学习研宄发展史［１１］??

ｒｔ．Ｈｉｎｌｏｎ，Ｗａｉｔａ！ＴＭ?，?１???ＨｅｔｄｉＷｉｅｆｅｅｎ?｜?Ｈｏｃｈｒｅｉｔｅｆ?ｅ（．？＜??，??：?—?＂／?＼ｌ?”ｉｒｒｔ〇ｎ?Ｉ??Ｎｅｕｒａｌ?ＮｅＷ〇ｒｋｓ．＾＾?＼＼｜ｉｓｃｈ—?／?Ｓ：?＇??！???ｊ?ｉ??ｉ?Ｉ?ｉ?ｉ?Ｉ?ｉ?Ｉ?....

本文编号：3931046