一种全息海洋背景场实现方法技术

本发明专利技术公开了一种全息海洋背景场实现方法，涉及海上仪器设备测试、海洋科学试验领域，包括通过海上观测模块提取有效的实时观测数据，进行数据同化处理，并将实时观测数据导入至高精度数值计算模块。本发明专利技术能准确描述试验海域的中小尺度环境参数变化，解决装置、仪器、设备在海上试验测试过程中对所在海域原始背景场的精准感知与提前预测问题，为得到科学的、正确的测试性能评价提供可靠基础数据、过程输入、验证/校核条件；能提供高分辨率且可视化的完整背景场，解决仅依赖于现场观测无法以点代面且成本昂贵的问题，为背景场环境要素变化在网络空间中的具象化、可视化重现提供解决方案。方案。方案。

【技术实现步骤摘要】
一种全息海洋背景场实现方法


[0001]本专利技术涉及海上仪器设备测试、海洋科学试验领域，尤其涉及一种全息海洋背景场实现方法。

技术介绍

[0002][0003]历史、当下、未来环境背景场的数据感知与预测是海上测试的支撑基础。目前，我国初步构建的海洋观测网主要针对大尺度研究，但对于中小尺度的海上试验局部过程的观测还不够，且数据无法实时传输；涵盖海面、水体和海底的立体观测体系尚在探索阶段，以传统的观测手段与技术为主；空间布局上以区域内的点、线为主，存在数据孤岛，缺乏全水深、一体化、实时、高时空分辨的观测能力；多数设备未与数字技术充分融合，仅按照测试对象要求给出相关数据，数据量不够丰富，且不具备智能性；背景场信息感知能力欠缺，观测系统积累的数据和待研究对象的自身工作状态无法有效共享、全面呈现。
[0004]另一方面，海洋动力环境涉及不同时空尺度的多源动力要素以及各要素间的相互作用，动力机制复杂，非线性显著，观测设备布放密度、数值建模精度、计算准确率、实效性的提升难度大。随着数据挖掘、人工智能等新技术的涌现，上述问题有了新的解决思路。相比传统基于物理过程的模型，基于数据特征的人工智能模型具有发掘数据隐藏特征的优势，具备可迁移性、协同性、灵活性，且计算效率高，可作为现有观测与计算方法的优化补充，从而实现更快、更准、更便捷的海洋信息时空拓展与感知预测。

技术实现思路

[0005]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种全息海洋背景场实现方法。
[0006]为了实现上述目的，本专利技术采用了如下技术方案：一种全息海洋背景场实现方法，包括以下步骤：S1，通过海上观测模块提取有效的实时观测数据，进行数据同化处理，并将实时观测数据导入至高精度数值计算模块；S2，通过高精度数值计算模块进行数据计算，验证数据的准确性，若计算结果的误差小于10%，则将结果导入三维数字映射模块和人工智能大数据处理模块，若计算结果的误差大于10%，则将结果模型参数调试模块，进行二次数据同化，且将实时观测数据和结果数据进行对比验证；S3，通过人工智能大数据处理模块对实时观测数据和结果数据进行分析挖掘，并进行学习训练数据，更新数据库；S4，通过人工智能大数据处理模块对模型参数调试模块进行修正，S5，通过三维数字映射模块对结果数据的解析，构造时
‑
空连续数字背景场。
[0007]优选地，所述S1中海上观测模块包括空天观测、水体观测、海底观测、数据预处理
四个内容，所述空天观测、水体观测和海底观测形成空
‑
海
‑
地海上立体观测数据集。
[0008]优选地，所述S2中高精度数值计算模块的基础模型为海洋
‑
大气
‑
波浪
‑
泥沙水生态数学物理耦合模型，所述海洋
‑
大气
‑
波浪
‑
泥沙水生态数学物理耦合模型建立在实时观测数据和学习训练数据之上。
[0009]优选地，所述高精度数值计算模块的计算原理是基于海洋动力的复杂物理过程，且需要综合考虑多动力要素间的双向耦合效应，所述高精度数值计算模块包含气象模块、水动力模块和波浪模块。
[0010]优选地，所述S3中人工智能大数据处理模块的模型基础是基于数据、图像特征与关联的神经网络模型，与高精度数值计算的海洋动力物理过程模型交叉融合，形成智能化的海洋数值计算模型。
[0011]优选地，所述人工智能大数据处理模块处理的数据包括实时观测数据、历史数据和学习训练数据，所述人工智能大数据处理模块的功能包含CNN
‑
LSTM深度神经网络与积累实时观测数据和历史数据。
[0012]优选地，所述S4中模型参数调试模块基于高精度数值计算模型。
[0013]优选地，所述S5中三维数字映射模块的核心技术为数字孪生技术，所述三维数字映射模块的映射形式为背景场环境要素的一维时间序列、二维平面场、各深度剖面图、三维时空动画。
[0014]本专利技术具有以下有益效果：能准确描述试验海域的中小尺度环境参数变化，解决装置、仪器、设备在海上试验测试过程中对所在海域原始背景场的精准感知与提前预测问题，为得到科学的、正确的测试性能评价提供可靠基础数据、过程输入、验证/校核条件；能提供高分辨率且可视化的完整背景场，解决仅依赖于现场观测无法以点代面且成本昂贵的问题，为背景场环境要素变化在网络空间中的具象化、可视化重现提供解决方案。
[0015]（1）基于最优海上观测布点，形成空
‑
海
‑
地海上立体观测数据集，解决背景场的多要素、多尺度、全天候的数据验证问题；（2）基于高精度数值计算，搭建海洋
‑
大气
‑
波浪双向耦合的细尺度、高精度计算模型，解决区域小尺度范围的模拟精度问题；（3）基于人工智能大数据处理，提供有价值的同化数据，解决计算资源、模拟可靠性、预测时效的优化问题；（4）基于三维数字映射，建立由历史数据、实时数据、派生数据的形成的完备可靠的海洋背景场信息。
附图说明
[0016]图1为本专利技术提出的一种全息海洋背景场实现方法的执行流程图。
[0017]图2为本专利技术提出的全息海洋背景场实现方法的构成示意图。
[0018]图3为本专利技术提出的海上观测内容的构成示意图。
[0019]图4为本专利技术提出的高精度数值计算模型框架的结构示意图。
[0020]图5为本专利技术提出的CNN
‑
LSTM神经网络的结构示意图。
具体实施方式
[0021]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0022]参照图1
‑
5，一种全息海洋背景场实现方法，包括以下步骤：S1，通过海上观测模块提取有效的实时观测数据，进行数据同化处理，并将实时观测数据导入至高精度数值计算模块；S2，通过高精度数值计算模块进行数据计算，验证数据的准确性，若计算结果的误差小于10%，则将结果导入三维数字映射模块和人工智能大数据处理模块，若计算结果的误差大于10%，则将结果模型参数调试模块，进行二次数据同化，且将实时观测数据和结果数据进行对比验证；S3，通过人工智能大数据处理模块对实时观测数据和结果数据进行分析挖掘，并进行学习训练数据，更新数据库；S4，通过人工智能大数据处理模块对模型参数调试模块进行修正，S5，通过三维数字映射模块对结果数据的解析，构造时
‑
空连续数字背景场。
[0023]本专利技术中，S1中海上观测模块包括空天观测、水体观测、海底观测、数据预处理四个内容，如图3所示，其作用是建立多要素综合的立体观测网，为下一步高精度数值计算提供用于海洋背景场要素定标、校验、同化等有价值的实测数据。
[0024]（1）空天观测内容为利用卫星、无人机、海上平台作为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全息海洋背景场实现方法，其特征在于，包括以下步骤：S1，通过海上观测模块提取有效的实时观测数据，进行数据同化处理，并将实时观测数据导入至高精度数值计算模块；S2，通过高精度数值计算模块进行数据计算，验证数据的准确性，若计算结果的误差小于10%，则将结果导入三维数字映射模块和人工智能大数据处理模块，若计算结果的误差大于10%，则将结果模型参数调试模块，进行二次数据同化，且将实时观测数据和结果数据进行对比验证；S3，通过人工智能大数据处理模块对实时观测数据和结果数据进行分析挖掘，并进行学习训练数据，更新数据库；S4，通过人工智能大数据处理模块对模型参数调试模块进行修正，S5，通过三维数字映射模块对结果数据的解析，构造时
‑
空连续数字背景场。2.根据权利要求1所述的一种全息海洋背景场实现方法，其特征在于，所述S1中海上观测模块包括空天观测、水体观测、海底观测、数据预处理四个内容，所述空天观测、水体观测和海底观测形成空
‑
海
‑
地海上立体观测数据集。3.根据权利要求1所述的一种全息海洋背景场实现方法，其特征在于，所述S2中高精度数值计算模块的基础模型为海洋
‑
大气
‑
波浪
‑
泥沙水生态数学物理耦合模型，所述海洋
‑

【专利技术属性】
技术研发人员：史宏达，唐筱宁，梁丙臣，曲娜，
申请(专利权)人：海博泰科技青岛有限公司，
类型：发明
国别省市：