一种大数据驱动的海洋环境监测与预警方法技术

本发明专利技术涉及海洋环境监测预警技术领域，具体为一种大数据驱动的海洋环境监测与预警方法，包括以下步骤，引入物联网（IoT）通信技术，结合遥感技术、无人机群合作、生物标记技术，实时获取各类海洋情报。本发明专利技术中，通过收集并分析洋流数据的方式，划分海洋区域，达成针对对应采集设备资源布置效果，并提供全面和及时的海洋情报基础，采用分布式数据库技术存储海洋环境信息流，提高数据可靠性、可用性和扩展性，利用边缘计算技术，在数据采集点将大量数据初步分析，降低数据传输和处理时延，在提升大数据可参照性、存储完备性的同时，对数据进行分布式分析、建模分析预警双阶段处理，减少运算量同时提升运算精准性，达成更加完备的预警效果。果。果。

【技术实现步骤摘要】
一种大数据驱动的海洋环境监测与预警方法


[0001]本专利技术涉及海洋环境监测预警
，尤其涉及一种大数据驱动的海洋环境监测与预警方法。

技术介绍

[0002]海洋环境监测预警是指通过对海洋环境进行系统化、连续性的监测和分析，以及对监测数据进行预测和分析，及时发现海洋环境异常变化和潜在的风险，提前进行预警和警报，以便采取相应的措施保护海洋生态系统和维护海洋安全。海洋环境监测预警的目的是保护海洋生态环境、维护人类利益和海洋可持续发展。通过对海洋水体温度、盐度、水质、氧含量、浮游生物、底栖生物、海洋污染物以及气候变化等因素进行监测和分析，可以及时掌握海洋环境的变化情况，判断是否存在潜在的环境风险。
[0003]在现有海洋环境监测预警技术中，由于海洋环境涵盖数据量大、数据类型多，采用全面性数据检测的方式部署相当困难，而现有技术方案中，未参考基于洋流特征的海洋分区处理方法，造成海洋监测和预警工作，在数据采集阶段，数据样本缺乏的问题，无法基于足够多数据源进行监测工作造成监测结果缺失，且缺乏对于大量数据的分布式处理功能，导致监测工作实施、反应效率较低，数据样本需定期清理减少负载，对于监测工作完善性造成了影响，需要进行改进。

技术实现思路

[0004]本专利技术的目的是解决现有技术中存在的缺点，而提出的一种大数据驱动的海洋环境监测与预警方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：一种大数据驱动的海洋环境监测与预警方法，包括以下步骤：引入物联网（IoT）通信技术，结合遥感技术、无人机群合作、生物标记技术，实时获取各类海洋情报；利用边缘计算技术在数据采集点对大量数据进行预处理和初步分析；利用时间序列分析技术，在数据处理和质控阶段检测和处理数据中的异常事件和趋势；使用分布式数据库技术存储信息流；基于增强学习以及深度强化学习进行模式识别和预测，配合复杂事件处理技术（CEP），实时获取海洋环境的事件和动态变化，并进行预警；对应设立智能应对系统，自动启动无人机进行实地监测和确认。
[0006]作为本专利技术的进一步方案，所述引入物联网（IoT）通信技术的步骤具体为：收集历史的洋流数据、卫星遥感数据；进行数值模型模拟，基于数值模拟结果，对海洋区域的洋流进行详细分析，获取洋流数据；
结合洋流数据，分析提取海洋区域特征；使用聚类算法，对洋流数据和海洋特征数据进行分析，将海洋区域划分为具有相似特征的群集；根据聚类分析的结果，为每个划分的区域选择对应传感器部署方案；通过部署的传感器收集海洋参数的实时数据；所述海洋特征数据包括海洋温度、盐度、溶解氧含量、营养盐浓度、浮游植物群落；所述部署的传感器包括但不限于温度传感器、盐度传感器、溶解氧传感器、浮游植物浓度传感器、叶绿素传感器、视觉检测传感器；所述为每个划分的区域选择对应传感器部署方案具体为，根据海洋区域的深度特征，在深海水域采用高压环境下运行的传感器，在水质监测中采用温度传感器、盐度传感器、溶解氧传感器，在海洋生物群落监测中，采用浮游植物浓度传感器、叶绿素传感器，考虑传感器的部署密度和覆盖范围，确保覆盖目标海洋区域的关键区域和位置。
[0007]作为本专利技术的进一步方案，所述无人机群合作采用路径规划算法、编队形成算法、分布式任务分配算法；所述无人机群合作的海洋情报采集步骤具体为：使用包括Dijkstra算法的路径规划算法，确定每个无人机的航线；使用包括虚拟结构化方法的编队形成算法，无人机群协同飞行并保持相对位置和间距；使用基于最大边际效用的分布式任务分配算法，根据无人机的位置、任务优先级和剩余电量，将海洋情报采集任务分配给最适合的无人机；所述生物标记技术包括标记剂注射、无线电标签、基因标记、标记图案和颜色。
[0008]作为本专利技术的进一步方案，所述利用边缘计算技术在数据采集点对大量数据进行预处理和初步分析的步骤具体为：基于海洋区域，在数据采集点附近设置包括边缘节点的边缘计算设备；对采集到的数据进行清洗、去噪，在边缘节点内采用gzip算法对海洋情报数据进行压缩和优化；利用边缘计算设备上的数据处理能力，在数据采集点对海洋情报数据进行初步分析和处理；所述在数据采集点对海洋情报数据进行初步分析和处理采用数据关联和模式识别技术、图像和视频处理技术；所述数据关联和模式识别技术具体基于关联分析、聚类分析协同，分析海洋参数数据、气象数据和海洋生物数据之间的关联性，识别出包括海洋变化、气候模式、海洋生物行为的重要信息；所述图像和视频处理技术具体基于目标检测、目标跟踪、图像分类方法，收集的图像和视频数据进行分析和处理，识别海洋生物，进行目标检测以及海洋环境监测。
[0009]作为本专利技术的进一步方案，所述在数据处理和质控阶段检测和处理数据中的异常事件和趋势的步骤具体为：描述性统计分析阶段；异常数据检测阶段；
趋势分析阶段；所述描述性统计分析阶段具体基于预处理和初步分析的海洋情报执行，所述描述性统计分析阶段采用统计算法，计算同类数据包括平均值、标准差、最大值、最小值的特征数据，了解数据的整体情况。
[0010]作为本专利技术的进一步方案，所述异常数据检测阶段采用基于距离的DBSCAN聚类算法、季节性分解结合，识别海洋情报数据中的异常事件；所述季节性分解具体指对海洋情报数据进行季节性分解，将原始数据分解为长期趋势、季节性变化和残差；所述基于距离的DBSCAN聚类算法具体基于季节性分解后的残差部分，应用基于距离的DBSCAN聚类算法识别具有相似特征的数据点，并将其划分为一簇，设定距离阈值，将超出距离阈值的数据判定为异常数据；所述趋势分析阶段具体观察异常事件的空间分布、时间变化特征，采用包括散点图、热力图的可视化工具，分析异常事件的特点和可能的原因。
[0011]作为本专利技术的进一步方案，所述使用分布式数据库技术存储信息流的步骤具体为：将海洋情报数据根据时间、空间、数据类型规则进行划分和分片，将数据均匀存储在多个分布式数据库节点上；在分布式数据库中设置数据复制和冗余备份策略，采用主从复制或多主复制方式，复制数据至多个分布式数据库节点；采用分布式事务处理技术，在分布式数据库中实现数据一致性和同步；采用数据分片路由方法，在分布式数据库中实施负载均衡和性能优化策略；在分布式数据库中，设置包括故障检测和自动切换的容灾和故障恢复机制。
[0012]作为本专利技术的进一步方案，所述强化学习算法具体为Q
‑
Learning算法，所述深度强化学习算法具体使用卷积神经网络（CNN）来处理海洋图像数据，提取图像特征，在决策过程中进行模式识别和预测，对于海洋环境的时间序列数据，使用循环神经网络（RNN），捕捉序列数据中的模式和趋势；所述增强学习以及深度强化学习进行模式识别和预测的步骤具体为：使用卷积神经网络（CNN）作为智能体的策略网络（Policy Network）；通过观测状态、执行动作和接收奖励来采集训练数据，采用Q
‑
Learning算法，在训练数据上更新模型的参数，优化策略性能；循环上一步骤，直到模型收敛；将训练好的模型部署到实时环境中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大数据驱动的海洋环境监测与预警方法，其特征在于，包括以下步骤：引入物联网（IoT）通信技术，结合遥感技术、无人机群合作、生物标记技术，实时获取各类海洋情报；利用边缘计算技术在数据采集点对大量数据进行预处理和初步分析；利用时间序列分析技术，在数据处理和质控阶段检测和处理数据中的异常事件和趋势；使用分布式数据库技术存储信息流；基于增强学习以及深度强化学习进行模式识别和预测，配合复杂事件处理技术（CEP），实时获取海洋环境的事件和动态变化，并进行预警；对应设立智能应对系统，自动启动无人机进行实地监测和确认。2.根据权利要求1所述的大数据驱动的海洋环境监测与预警方法，其特征在于，所述引入物联网（IoT）通信技术的步骤具体为：收集历史的洋流数据、卫星遥感数据；进行数值模型模拟，基于数值模拟结果，对海洋区域的洋流进行详细分析，获取洋流数据；结合洋流数据，分析提取海洋区域特征；使用聚类算法，对洋流数据和海洋特征数据进行分析，将海洋区域划分为具有相似特征的群集；根据聚类分析的结果，为每个划分的区域选择对应传感器部署方案；通过部署的传感器收集海洋参数的实时数据；所述海洋特征数据包括海洋温度、盐度、溶解氧含量、营养盐浓度、浮游植物群落；所述部署的传感器包括温度传感器、盐度传感器、溶解氧传感器、浮游植物浓度传感器、叶绿素传感器、视觉检测传感器；所述为每个划分的区域选择对应传感器部署方案具体为，根据海洋区域的深度特征，在深海水域采用高压环境下运行的传感器，在水质监测中采用温度传感器、盐度传感器、溶解氧传感器，在海洋生物群落监测中，采用浮游植物浓度传感器、叶绿素传感器，考虑传感器的部署密度和覆盖范围，确保覆盖目标海洋区域的关键区域和位置。3.根据权利要求1所述的大数据驱动的海洋环境监测与预警方法，其特征在于，所述无人机群合作采用路径规划算法、编队形成算法、分布式任务分配算法；所述无人机群合作的海洋情报采集步骤具体为：使用包括Dijkstra算法的路径规划算法，确定每个无人机的航线；使用包括虚拟结构化方法的编队形成算法，无人机群协同飞行并保持相对位置和间距；使用基于最大边际效用的分布式任务分配算法，根据无人机的位置、任务优先级和剩余电量，将海洋情报采集任务分配给最适合的无人机；所述生物标记技术包括标记剂注射、无线电标签、基因标记、标记图案和颜色。4.根据权利要求1所述的大数据驱动的海洋环境监测与预警方法，其特征在于，所述利用边缘计算技术在数据采集点对大量数据进行预处理和初步分析的步骤具体为：基于海洋区域，在数据采集点附近设置包括边缘节点的边缘计算设备；
对采集到的数据进行清洗、去噪，在边缘节点内采用gzip算法对海洋情报数据进行压缩和优化；利用边缘计算设备上的数据处理能力，在数据采集点对海洋情报数据进行初步分析和处理；所述在数据采集点对海洋情报数据进行初步分析和处理采用数据关联和模式识别技术、图像和视频处理技术；所述数据关联和模式识别技术具体基于关联分析、聚类分析协同，分析海洋参数数据、气象数据和海洋生物数据之间的关联性，识别出包括海洋变化、气候模式、海洋生物行为的重要信息；所述图像和视频处理技术具体基于目标检测、目标跟踪、图像分类方法，收集的图像和视频数据进行分析和处理，识别海洋生物，进行目标检测以及海洋环境监测。5.根据权利要求1所述的大数据驱动的海洋环境监测与预警方法，其特征在于，所述在数据处理和质控阶段检测和处理数据中的异常事件和趋势的步骤具体为：描述性统计分析阶段；异常数据检测阶段；趋势分析阶段；所述描述性统计分析阶段具体基于预处理和初步分析的海洋情报执行，所述描述性统计分析阶段采用统计算法，计算同类数据包括平均值、标准差、最大值、最小值的特征数据，了解数据的整体情况。6.根据权利要求5所述的大数据驱动的海洋环境监测与预警方法，其特征在于，所述异常数据检测阶段采用基于距离的DBS...

【专利技术属性】
技术研发人员：张晓杰，王冰，韩晓强，王建平，刘刚，
申请(专利权)人：海南智慧海事科技有限公司，
类型：发明
国别省市：