赤潮是影響海洋環(huán)境的重要災害之一,造成了嚴重的經濟損失和生態(tài)危害。近年來,各國對赤潮的重視程度日益增加,使用多種手段對赤潮進行監(jiān)測,得到了大量的歷史監(jiān)測數據。對歷史監(jiān)測數據進行分析研究,并以此作為參考結合當前情況對未來發(fā)展趨勢進行預測,可以為赤潮的防災減災提供技術支持,面臨的挑戰(zhàn)是:如何對監(jiān)測數據進行有效存儲和查詢才能為赤潮提供快速、有效的預報預警。赤潮數據是典型的強關聯海洋數據,適合使用圖對其進行建模。與關系模型相比,圖模型能夠更好的處理赤潮數據間的復雜關聯,滿足對赤潮數據的不同層次的查詢需求。因此,本文針對赤潮快速準確預報預警的需要,設計了一種赤潮數據的模型構建和查詢方案,需研究的主要問題有:(1)如何根據海洋數據的特點,構建合理的數據模型并應用到赤潮數據上;(2)如何以赤潮發(fā)生階段作為依據,對赤潮數據進行準確快速的階段劃分;(3)面對赤潮發(fā)生階段轉換預報預警的需要,如何對赤潮查詢需求進行優(yōu)化并提高查詢效率。因此,本文提出了針對海洋數據的圖模型構建統(tǒng)一描述方法、赤潮監(jiān)測數據圖模型構建及優(yōu)化方法和赤潮查詢需求、查詢效率優(yōu)化方案。本文赤潮監(jiān)測數據作為主要研究對象,進行了以下研究:(1)歸納了現有圖模型構建方法并對海洋數據圖模型構建的一般描述方法進行研究,為圖模型應用在赤潮數據上提供基礎知識儲備;(2)針對赤潮監(jiān)測數據,定義并構建了赤潮數據圖模型RTGraph。以每一條數據作為點,以時空關系作為邊,環(huán)境因子數據和發(fā)生階段信息以標簽的形式存儲在點上,定義了本文的主要研究對象RTGraph。(3)使用改進的FCM(Fuzzy C-means)算法對赤潮發(fā)生階段進行聚類,并將每條數據的發(fā)生階段信息以標簽的形式存儲在點上。針對FCM算法初始聚類中心隨機選擇而有可能導致的目標函數不收斂問題和赤潮數據高維的特點,將FCM算法與核函數、遺傳算法結合得到GA-KFCM算法,提供準確度更高、運算速度更快的赤潮發(fā)生階段聚類方法;(4)對赤潮查詢需求和查詢效率進行優(yōu)化。將常見的赤潮數據查詢重寫為圖上的點、邊查詢。針對赤潮發(fā)生階段轉換的重要性和數據間的時空關聯性定義了赤潮邊緣數據,滿足了赤潮預報預警的現實需求,達到降低赤潮損失的目的。通過在RTGraph上構建K跳索引圖,對K跳可達性查詢進行改進,提高查詢赤潮邊緣數據的效率。實驗結果表明,本文設計的赤潮圖模型RTGraph具有合理性和可行性,GAKFCM算法對赤潮數據的聚類具有更高的準確性和運行速度。通過在RTGraph上構建K跳索引圖,可以快速查詢出赤潮邊緣數據,為赤潮的準確預報預警提供輔助決策。
【學位單位】：上海海洋大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：X834;TP311.13
【部分圖文】：

上海海洋大學碩士學位論文其可以作為圖上的點、邊查詢存在。針對赤潮發(fā)生階段轉換的種赤潮邊緣數據。對 跳可達性查詢進行改進，使其可以應用數據圖模型 RTGraph 上，通過構建 跳索引圖，快速準確地查

圖 2-1 海洋數據圖構建流程Fig. 2-1 Graph Model Building Workflow of Marine Data海洋數據圖模型構建可以分為以下五步：（1）確定原始數據；（2）數據特征分析；（3）構建點上標簽；（4）關聯構建；（5）圖構建。構建方式步驟為如圖 2-1 所示，本節(jié)將針對每個步驟分別進行介紹。2.3.1 原始數據確定海洋數據信息來源廣泛[46]，包括遙感衛(wèi)星、浮標、走航船及海底機器人等。各檢測手段采用不同的數據獲取技術達到對海洋進行監(jiān)測目的，采集到的數據形式包括：結構化屬性數據、空間數據、非結構化數據。這三種類型的數據均可作為圖上的點存在，數據的主要信息可以以點上標簽的形式存在。2.3.2 特征分析海洋數據具有多源異構性，不同類型的數據存儲在同一個模型中時，需要使用一種方法對它們進行統(tǒng)一描述，本節(jié)分析可以作為描述信息的特征。

Fig. 2-2 Edge Relationship Construction Graph構建及查詢，給出例 1 所需要的圖模型。 ( ) ( ) ( ) ( )) 1 2 是點的集合，每條數據即為 1 2 是 和得到； ( )的標簽集合。 ( ) ，其中， ， 為數據類型。 ( )的標簽集合。 ( ) ，其中， 為相模型上共有 37493 個點，使用臺風作為海洋0 個點和 566 條邊，圖已被大大縮小。例 1 中邊上標簽 ( )為Jangmi和 ( )為Marocot的可視化。

【相似文獻】

相關期刊論文 前10條

1 宋雪瓏;萬劍鋒;覃琴;陳家棟;;《海洋數據處理實驗》的教學內容設計[J];科技視界;2016年27期

2 黃冬梅;趙丹楓;魏立斐;杜艷玲;王振華;;大數據背景下海洋數據管理的挑戰(zhàn)與對策[J];計算機科學;2016年06期

3 范雨臣;;海洋數據的預報[J];海洋工程;1988年03期

4 楊錦坤;韓春花;;大數據新時代背景下的海洋數據資源管理策略[J];海洋信息;2018年03期

5 陳俊寧;胡乃軍;劉青;;海洋數據管理與可視化平臺設計[J];中國科技信息;2015年02期

6 張峰;李四海;石綏祥;;數字海洋數據體系結構研究(英文)[J];Marine Science Bulletin;2010年02期

7 萬威強;肖俊敏;洪學海;譚光明;;面向大規(guī)模海洋數據同化算法的并行實現及優(yōu)化[J];計算機工程與科學;2019年05期

8 李靜芳;;上海市海洋數據基礎平臺框架設計[J];中國管理信息化;2018年23期

9 吳新榮;王喜冬;李威;韓桂軍;張學峰;付紅麗;李冬;;海洋數據同化與數據融合技術應用綜述[J];海洋技術學報;2015年03期

10 曹海錦;;基于小波包變換的海洋數據降噪方法研究[J];內江科技;2009年09期

相關會議論文 前5條

1 馮呈呈;趙虹;;FY-3B微波成像儀海洋數據中無線電干擾信號識別[A];第33屆中國氣象學會年會 S21 新一代氣象衛(wèi)星技術發(fā)展及其應用[C];2016年

2 張雪冬;吳立新;;基于MODAS和EOF快速建立三維海洋聲速場[A];中國聲學學會2017年全國聲學學術會議論文集[C];2017年

3 董勝;寧萌;;海洋水文數據庫的開發(fā)與應用[A];2007年度海洋工程學術會議論文集[C];2007年

4 肖鵬;楊坤德;雷志雄;;混合層變化導致的波導能量泄露對聲場的影響[A];中國聲學學會第十一屆青年學術會議會議論文集[C];2015年

5 李杰美慧;史陽;楊益新;;基于MODAS方法的深海水聲傳播特性研究[A];2018年全國聲學大會論文集 B水聲物理[C];2018年

相關重要報紙文章 前5條

1 本報記者 孫安然 通訊員 湯超蓮;提升海洋數據應用的廣度和深度[N];中國自然資源報;2020年

2 中國經濟導報記者 孫弋弋;沈滿洪代表：沒有足夠的海洋數據就不可能建成海洋強國[N];中國經濟導報;2019年

3 段九如;整合資源 推進“智慧海洋”戰(zhàn)略[N];中國船舶報;2015年

4 本報記者　 張向冰;海洋考察船應“公管共用”[N];中國海洋報;2006年

5 本報記者 張s

本文編號：2834331