基于高阶网络的海运数据生物入侵可视化方法及系统技术方案

本发明专利技术公开了一种基于高阶网络的海运数据生物入侵可视化方法及系统，该方法包括：获取海运数据并根据海运数据生成港口之间的生物入侵概率；基于港口之间的生物入侵概率，结合海运数据构建生物入侵高阶网络；基于生物入侵高阶网络生成港口入侵风险，并进行可视化展示。该系统包括：概率计算模块、网络构建模块和展示模块，通过使用本发明专利技术，能够利用海运数据构建高阶网络，并有效展示高阶网络的各项数据，从而更好地进行生物入侵可视化分析。本发明专利技术作为一种基于高阶网络的海运数据生物入侵可视化方法及系统，可广泛应用于生物入侵预测领域。领域。领域。

【技术实现步骤摘要】
基于高阶网络的海运数据生物入侵可视化方法及系统


[0001]本专利技术涉及生物入侵预测领域，尤其涉及一种基于高阶网络的海运数据生物入侵可视化方法及系统。

技术介绍

[0002]在全球海洋航运(简称海运)网络中，一些生物会通过船体压载海水或在未知的情况下进入船体本身，以“搭便车”方式到达其他生态中，从而造成了生物入侵。传统的海运数据研究，很少会使用可视化系统来进行研究，而是直接通过面向过程的数学模型，一步步探寻关键的或感兴趣的信息。这样的技术手段不够灵活且不易于直接观察数据与数据之间的关系。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的是提供一种高阶网络的海运数据生物入侵可视化方法及系统，能够利用海运数据构建高阶网络，并有效展示高阶网络的各项数据，从而更好地进行生物入侵可视化分析。
[0004]本专利技术所采用的第一技术方案是：一种基于高阶网络的海运数据生物入侵可视化方法，包括以下步骤：
[0005]获取海运数据并根据海运数据生成港口之间的生物入侵概率；
[0006]基于港口之间的生物入侵概率，结合海运数据构建生物入侵高阶网络；
[0007]基于生物入侵高阶网络生成港口入侵风险，并进行可视化展示。
[0008]进一步，所述获取海运数据并根据海运数据生成港口之间的生物入侵概率这一步骤：
[0009]获取海运数据，所述海运数据包括不同船舶到达不同港口下的时间序列数据和港口的生态数据；
[0010]基于不同船舶到达不同港口下的时间序列数据和港口的生态数据，定义船舶在两个港口之间带来的入侵风险；
[0011]基于船舶在两个港口之间带来的入侵风险，整合海运数据中的船舶，得到两个港口之间入侵的概率。
[0012]进一步，所述港口的生态数据包括平均温度、盐度、所在海域、所在生态圈和邻近生态区域。
[0013]进一步，所述两个港口之间入侵的概率公式表示如下：
[0014][0015]上式中，所述p
ij
表示港口i与港口j之间入侵的概率，所述pr
ij
表示港口i与港口j是否为不同生态领域，所述pe
ij
表示港口i与港口j之间平均温度和盐度的相似性，所述
表示一艘船在港口i与港口j之间所带来的入侵风险，所述i和j分别表示不同的港口，所述v表示船舶。
[0016]进一步，所述基于港口之间的生物入侵概率，结合海运数据构建生物入侵高阶网络这一步骤，其具体包括：
[0017]基于港口之间的生物入侵概率，结合海运数据中船舶的历史轨迹，生成轨迹的入侵概率；
[0018]根据海运数据，依次计算轨迹的入侵概率并切割得到高阶节点；
[0019]以轨迹为边，根据高阶节点组建高阶网络，得到生物入侵高阶网络。
[0020]进一步，所述基于生物入侵高阶网络生成港口入侵风险，并进行可视化展示这一步骤，其具体包括：
[0021]根据生物入侵高阶网络中的边和轨迹的入侵概率对港口进行被入侵概率的计算，得到港口入侵风险；
[0022]整合高阶网络中的港口入侵风险并基于地理视图制作依赖视图、子图视图和聚合视图进行可视化展示。
[0023]进一步，所述基于地理视图制作依赖视图、子图视图和聚合视图进行可视化展示具体包括：
[0024]基于地理视图显示港口的入侵概率；
[0025]在依赖视图显示港口对应的高阶节点；
[0026]通过子图视图显示整个高阶网络；
[0027]通过聚合视图显示高阶网络社区的权重统计。
[0028]本专利技术所采用的第二技术方案是：一种基于高阶网络的海运数据生物入侵可视化系统，包括：
[0029]概率计算模块，用于获取海运数据并根据海运数据生成港口之间的生物入侵概率；
[0030]网络构建模块，基于港口之间的生物入侵概率，结合海运数据构建生物入侵高阶网络；
[0031]展示模块，基于生物入侵高阶网络生成港口入侵风险，并进行可视化展示。
[0032]本专利技术方法及系统的有益效果是：本专利技术利用海运数据构建入侵概率数学模型，进一步提出了划分高阶节点和高阶网络边的方法，从而构建出一个符合实际、对生物入侵有物理意义的情况的高阶网络，有效展示构建好的高阶网络的各项数据，能够直观地找出感兴趣的数据，从而更好地进行探索和分析。
附图说明
[0033]图1是本专利技术一种基于高阶网络的海运数据生物入侵可视化方法的步骤流程图；
[0034]图2是本专利技术一种基于高阶网络的海运数据生物入侵可视化系统的结构框图；
[0035]图3是本专利技术具体实施例地理视图的示意图；
[0036]图4是本专利技术具体实施例依赖视图的示意图；
[0037]图5是本专利技术具体实施例子图视图和聚合图的实用示意图。
具体实施方式
[0038]下面结合附图和具体实施例对本专利技术做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0039]如图1所示，本专利技术提供了一种基于高阶网络的海运数据生物入侵可视化方法，该方法包括以下步骤：
[0040]S1、获取海运数据并根据海运数据生成港口之间的生物入侵概率；
[0041]S1.1、获取海运数据，所述海运数据包括不同船舶到达不同港口下的时间序列数据和港口的生态数据；
[0042]S1.2、基于不同船舶到达不同港口下的时间序列数据和港口的生态数据，定义船舶在两个港口之间带来的入侵风险；
[0043]具体地，根据不同船舶到达不同港口下的时间序列数据可以得到每一艘船舶的历史轨迹和每个港口与船舶的交互信息，所述港口的生态数据包括平均温度、盐度、所在海域、所在生态圈和邻近生态区域。
[0044]如果要把生物入侵进行量化，可以理解成生物入侵的概率有多少。对于一艘船而言，每一次经过两个不同生态区域的时候，都有可能发生一次生物入侵。这艘船可能会携带着上一个，甚至上几个港口的生物，污染当前港口的生态。现在，定义一艘船在两个港口之间，它所带来的入侵风险为：
[0045][0046]其中，i和j表示i港口和j港口，pr
ij
表示i和j港口是否是同一个生态区域，pe
ij
表示i 和j港口环境的相似程度，表示船舶v从i到j港口的入侵风险。以下分别定义pr
ij
、pe
ij
和的入侵风险。
[0047]pr
ij
的定义为：
[0048][0049]当两个生态区域不一样的时候，才会带来入侵风险。
[0050]pe
ij
定义为：
[0051][0052]其中，T表示港口的平均温度，S表示港口的盐度，Δ表示i和j两个港口值的差，δT和δS分别表示港口之间的平均温度标准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于高阶网络的海运数据生物入侵可视化方法，其特征在于，包括以下步骤：获取海运数据并根据海运数据生成港口之间的生物入侵概率；基于港口之间的生物入侵概率，结合海运数据构建生物入侵高阶网络；基于生物入侵高阶网络生成港口入侵风险，并进行可视化展示。2.根据权利要求1所述基于高阶网络的海运数据生物入侵可视化方法，其特征在于，所述获取海运数据并根据海运数据生成港口之间的生物入侵概率这一步骤，其具体包括：获取海运数据，所述海运数据包括不同船舶到达不同港口下的时间序列数据和港口的生态数据；基于不同船舶到达不同港口下的时间序列数据和港口的生态数据，定义船舶在两个港口之间带来的入侵风险；基于船舶在两个港口之间带来的入侵风险，整合海运数据中的船舶，得到两个港口之间入侵的概率。3.根据权利要求2所述基于高阶网络的海运数据生物入侵可视化方法，其特征在于，所述港口的生态数据包括平均温度、盐度、所在海域、所在生态圈和邻近生态区域。4.根据权利要求3所述基于高阶网络的海运数据生物入侵可视化方法，其特征在于，所述两个港口之间入侵的概率公式表示如下：上式中，所述p
ij
表示港口i与港口j之间入侵的概率，所述pr
ij
表示港口i与港口j是否为不同生态领域，所述pe
ij
表示港口i与港口j之间平均温度和盐度的相似性，所述表示一艘船在港口i与港口j之间所带来的入侵风险，所述i和j分别表示不同的港口，所述v表示船舶。5...

【专利技术属性】
技术研发人员：何颂贤，陶钧，
申请(专利权)人：中山大学，
类型：发明
国别省市：