CN107679665A - 一种基于大数据的海洋环境灾害预警方法 - Google Patents

一种基于大数据的海洋环境灾害预警方法 Download PDF

Info

Publication number
CN107679665A
CN107679665A CN201710944294.7A CN201710944294A CN107679665A CN 107679665 A CN107679665 A CN 107679665A CN 201710944294 A CN201710944294 A CN 201710944294A CN 107679665 A CN107679665 A CN 107679665A
Authority
CN
China
Prior art keywords
dro
deo
marine environment
index
early warning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710944294.7A
Other languages
English (en)
Inventor
崔振东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Ocean University ZJOU
Original Assignee
Zhejiang Ocean University ZJOU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Ocean University ZJOU filed Critical Zhejiang Ocean University ZJOU
Priority to CN201710944294.7A priority Critical patent/CN107679665A/zh
Publication of CN107679665A publication Critical patent/CN107679665A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

一种基于大数据的海洋环境灾害预警方法，所述的预警方法是：(1)基于一致性Hash算法的分布式网络爬虫方法，获取海洋环境历史原始指标时空数据库DRO和海洋环境历史评价指标时空数据库DEO；形成数据集合Dro(Ri(xi1,xi2,…xij),ti),Deo(Ei(yi1,yi2,…yim),ti)；(2)数据集合的标准化处理；(3)建立海洋环境评价与灾害预警模型：(3.1)基于Dro(Ri(xi1,xi2,…xij),ti),Deo(Ei(yi1,yi2,…yij),ti)，利用Kringing方法建立海洋环境渐变模拟模型MS(Dro(Ri,ti),Deo(Ei,ti))，进而开展海洋环境各指标的相关性分析与环境健康水平的评价，建立健康评价模型；(3.2)基于Dro(Ri(xi1,xi2,…xij)，ti),Deo(Ei(yi1,yi2,…yij),ti)大数据，基于支持向量机SVM方法，对分类指标与综合指标进行预警。

Description

一种基于大数据的海洋环境灾害预警方法
技术领域
本发明涉及的是一种基于大数据的海洋环境灾害预警方法，属于海洋环境灾害预测技术领域。
背景技术
人类海洋开发给海洋环境和生态带来了巨大的影响，近年来环境灾害频发，给渔农业生产带来了重要的影响；掌握海洋环境的演变规律，全方位感知海洋开发和利用对海岛环境和生态的影响，是海洋经济科学、良性、健康发展的基础和保障；及时准确预测环境灾害，能够切实增强海洋经济发展中的防灾、减灾能力，推进海洋经济稳定发展。
通过传感器测定导电性、热敏度、光谱分析、透明度等手段获取流体中的PH值、微生物、重金属、叶绿素等环境生态相关检测数据；而生物栖息密度、种群的数量等，借助于人工分析的数据，如部分微量元素指标的获取。由于海洋环境的影响因素众多，海洋环境健康与否受多重因素的制约而产生缓慢的变化，甚至导致不可逆的环境灾难；如何基于大数据、物联网和人工智能技术，准确感知海洋环境的变化，并对可能出现的灾难及时预警，对海洋环境的保护和海洋经济的发展至关重要。
发明内容
本发明的目的在于克服现有技术存在的不足，而提供一种基于海洋环境大数据挖掘、基于网络爬虫实时感知海洋灾害事件以及不断容纳事件构建自我学习型的海洋环境灾害预警方法。
本发明的目的是通过如下技术方案来完成的，一种基于大数据的海洋环境灾害预警方法，所述的预警方法是：
(1)基于一致性Hash算法的分布式网络爬虫方法，获取海洋环境历史原始指标时空数据库DRO和海洋环境历史评价指标时空数据库DEO；形成数据集合Dro(Ri(xi1,xi2,...xij),ti),Deo(Ei(yi1,yi2,...yim),ti)；
其中Ri和Ei分别是ti时刻主要海洋环境影响因素的原始指标向量和评价指标向量，xij为i时刻第t个指标的原始值，yim为i时刻第m个指标的评价值；
(2)数据集合的标准化处理；把Dro(Ri(xi1,xi2,...xij),ti),Deo(Ei(yi1,yi2,...yim),ti)中的海洋环境影响因素的原始指标向量和评价指标向量进行标准化处理，生成SDro(SRi(ri1,ri2,...rij),ti),SDeo(SEi(si1,si2,...sim)；
其中SRi和SEi分别是ti时刻主要海洋环境影响因素的原始指标向量和评价指标向量，xij为i时刻第t个指标的原始值，yim为i时刻第m个指标的评价值；ti)(标准化方法，其中kj根据第i个指标的不同特点取的适度值)；
(3)建立海洋环境评价与灾害预警模型：
(3.1)基于Dro(Ri(xi1,xi2,...xij),ti),Deo(Ei(yi1,yi2,...yij),ti)，利用Kringing方法建立海洋环境渐变模拟模型MS(Dro(Ri,ti),Deo(Ei,ti))，进而开展海洋环境各指标的相关性分析与环境健康水平的评价，建立健康评价模型MH(Dro(Ri,ti),Deo(Ei,ti))；
(3.2)基于Dro(Ri(xi1,xi2,...xij)，ti),Deo(Ei(yi1,yi2,...yij),ti)大数据，基于支持向量机SVM方法，对分类指标与综合指标进行预警。
作为优选：所述大数据的完善和建模与预警模型的升级与完善如下：
(4.1)定期启动网络爬虫程序，甄别删选有效数据，增加海洋环境相关数据库中的数据记录；
(4.2)基于海洋环境监测物联网数据，增加海洋环境数据记录；
(4.3)基于新增数据记录，升级和完善海洋环境渐变模拟模型MS(Dro(Ri,ti),Deo(Ei,ti))和健康评价模型MH(Dro(Ri,ti),Deo(Ei,ti))。
本发明主要是基于海洋环境大数据挖掘、基于网络爬虫实时感知海洋灾害事件以及不断容纳事件构建自我学习型而设立的海洋环境灾害预警方法，它能全方位感知海洋开发和利用对海岛环境和生态的影响，是海洋经济科学、良性、健康发展的基础和保障；能及时准确预测环境灾害，能够切实增强海洋经济发展中的防灾、减灾能力，推进海洋经济稳定发展。
附图说明
图1是本发明所述的海洋环境的环境感知和灾难预警框架图。
具体实施方式
下面将结合附图及具体实施例对本发明作详细的介绍：图1所示，一种基于大数据的海洋环境灾害预警方法，具体包括：
(1)基于一致性Hash算法的分布式网络爬虫方法，获取海洋环境历史原始指标时空数据库DRO和海洋环境历史评价指标时空数据库DEO；形成数据集合Dro(Ri(xi1,xi2,...xij),ti),Deo(Ei(yi1,yi2,...yim),ti)。其中Ri和Ei分别是ti时刻主要海洋环境影响因素的原始指标向量和评价指标向量，xij为i时刻第t个指标的原始值，yim为i时刻第m个指标的评价值；
(2)数据集合的标准化处理：把Dro(Ri(xi1,xi2,...xij),ti),Deo(Ei(yi1,yi2,...yim),ti)中的海洋环境影响因素的原始指标向量和评价指标向量进行标准化处理，生成SDro(SRi(ri1,ri2,...rij),ti),SDeo(SEi(si1,si2,...sim)；
其中SRi和SEi分别是ti时刻主要海洋环境影响因素的原始指标向量和评价指标向量，xij为i时刻第t个指标的原始值，yim为i时刻第m个指标的评价值；ti)(标准化方法，其中kj根据第i个指标的不同特点取的适度值)；
(3)建立海洋环境评价与灾害预警模型：
(3.1)基于Dro(Ri(xi1,xi2,...xij),ti),Deo(Ei(yi1,yi2,...yij),ti)，利用Kringing方法建立海洋环境渐变模拟模型MS(Dro(Ri,ti),Deo(Ei,ti))，进而开展海洋环境各指标的相关性分析与环境健康水平的评价，建立健康评价模型MH(Dro(Ri,ti),Deo(Ei,ti))；
(3.2)基于Dro(Ri(xi1,xi2,...xij)，ti),Deo(Ei(yi1,yi2,...yij),ti)大数据，基于支持向量机SVM方法，对分类指标与综合指标进行预警；
(4)大数据的完善和建模与预警模型的升级与完善：
(4.1)定期启动网络爬虫程序，甄别删选有效数据，增加海洋环境相关数据库中的数据记录；
(4.2)基于海洋环境监测物联网数据，增加海洋环境数据记录；
(4.3)基于新增数据记录，升级和完善海洋环境渐变模拟模型MS(Dro(Ri,ti),Deo(Ei,ti))和健康评价模型MH(Dro(Ri,ti),Deo(Ei,ti))；
(5)海洋环境渐变模拟模型、健康评价模型和预警知识，提供信息服务。
图1中所示的内容可以作为上述实施例的补充和扩展，因此本领域的技术人员在了解本发明的内容基础上，结合附图是能够实施的，并不需要作出任何创造性的劳动。

Claims (2)

1.一种基于大数据的海洋环境灾害预警方法，其特征在于所述的预警方法是：
(1)基于一致性Hash算法的分布式网络爬虫方法，获取海洋环境历史原始指标时空数据库DRO和海洋环境历史评价指标时空数据库DEO；形成数据集合Dro(Ri(xi1,xi2,...xij),ti),Deo(Ei(yi1,yi2,...yim),ti)；
其中Ri和Ei分别是ti时刻主要海洋环境影响因素的原始指标向量和评价指标向量，xij为i时刻第t个指标的原始值，yim为i时刻第m个指标的评价值；
(2)数据集合的标准化处理；把Dro(Ri(xi1,xi2,...xij),ti),Deo(Ei(yi1,yi2,...yim),ti)中的海洋环境影响因素的原始指标向量和评价指标向量进行标准化处理，生成SDro(SRi(ri1,ri2,...rij),ti),SDeo(SEi(si1,si2,...sim)；
其中SRi和SEi分别是ti时刻主要海洋环境影响因素的原始指标向量和评价指标向量，xij为i时刻第t个指标的原始值，yim为i时刻第m个指标的评价值；ti)(标准化方法，其中kj根据第i个指标的不同特点取的适度值)；
(3)建立海洋环境评价与灾害预警模型：
(3.1)基于Dro(Ri(xi1,xi2,...xij),ti),Deo(Ei(yi1,yi2,...yij),ti)，利用Kringing方法建立海洋环境渐变模拟模型MS(Dro(Ri,ti),Deo(Ei,ti))，进而开展海洋环境各指标的相关性分析与环境健康水平的评价，建立健康评价模型MH(Dro(Ri,ti),Deo(Ei,ti))；
(3.2)基于Dro(Ri(xi1,xi2,...xij)，ti),Deo(Ei(yi1,yi2,...yij),ti)大数据，基于支持向量机SVM方法，对分类指标与综合指标进行预警。
2.根据权利要求1所述的基于大数据的海洋环境灾害预警方法，其特征在于所述大数据的完善和建模与预警模型的升级与完善如下：
(4.1)定期启动网络爬虫程序，甄别删选有效数据，增加海洋环境相关数据库中的数据记录；
(4.2)基于海洋环境监测物联网数据，增加海洋环境数据记录；
(4.3)基于新增数据记录，升级和完善海洋环境渐变模拟模型MS(Dro(Ri,ti),Deo(Ei,ti))和健康评价模型MH(Dro(Ri,ti),Deo(Ei,ti))。
CN201710944294.7A 2017-09-30 2017-09-30 一种基于大数据的海洋环境灾害预警方法 Pending CN107679665A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710944294.7A CN107679665A (zh) 2017-09-30 2017-09-30 一种基于大数据的海洋环境灾害预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710944294.7A CN107679665A (zh) 2017-09-30 2017-09-30 一种基于大数据的海洋环境灾害预警方法

Publications (1)

Publication Number Publication Date
CN107679665A true CN107679665A (zh) 2018-02-09

Family

ID=61140706

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710944294.7A Pending CN107679665A (zh) 2017-09-30 2017-09-30 一种基于大数据的海洋环境灾害预警方法

Country Status (1)

Country Link
CN (1) CN107679665A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116625327A (zh) * 2023-07-24 2023-08-22 海南智慧海事科技有限公司 一种大数据驱动的海洋环境监测与预警方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726568A (zh) * 2009-11-24 2010-06-09 环境保护部华南环境科学研究所 一种水环境安全预警预测方法
CN103489053A (zh) * 2013-05-13 2014-01-01 湖南云控科技有限公司 一种基于云计算与专家***的智能水资源管控平台
CN104992245A (zh) * 2015-07-09 2015-10-21 南京信息工程大学 一种基于广义熵理论的水环境风险管理动态智能综合分析方法
CN105096532A (zh) * 2015-07-30 2015-11-25 西安石油大学 一种地质灾害预测***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726568A (zh) * 2009-11-24 2010-06-09 环境保护部华南环境科学研究所 一种水环境安全预警预测方法
CN103489053A (zh) * 2013-05-13 2014-01-01 湖南云控科技有限公司 一种基于云计算与专家***的智能水资源管控平台
CN104992245A (zh) * 2015-07-09 2015-10-21 南京信息工程大学 一种基于广义熵理论的水环境风险管理动态智能综合分析方法
CN105096532A (zh) * 2015-07-30 2015-11-25 西安石油大学 一种地质灾害预测***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116625327A (zh) * 2023-07-24 2023-08-22 海南智慧海事科技有限公司 一种大数据驱动的海洋环境监测与预警方法
CN116625327B (zh) * 2023-07-24 2023-09-15 海南智慧海事科技有限公司 一种大数据驱动的海洋环境监测与预警方法

Similar Documents

Publication Publication Date Title
Yang et al. Fog-based marine environmental information monitoring toward ocean of things
US11774485B2 (en) Fault diagnosis method and apparatus for submarine cable, and device
Feng et al. Dynamic land use change simulation using cellular automata with spatially nonstationary transition rules
WO2023029461A1 (zh) 海量高维ais轨迹数据聚类方法
Corizzo et al. Anomaly detection and repair for accurate predictions in geo-distributed big data
Thai-Nghe et al. Deep learning approach for forecasting water quality in IoT systems
AghaKouchak et al. Geometrical characterization of precipitation patterns
CN109272721A (zh) 基于kpca-foa-lssvm的滑坡灾害预报方法
Yao et al. Application of a two-step sampling strategy based on deep neural network for landslide susceptibility mapping
Doroudi et al. Estimation of Daily Suspended Sediment Load Using a Novel Hybrid Support Vector Regression Model Incorporated with Observer‐Teacher‐Learner‐Based Optimization Method
CN109857782A (zh) 一种测井数据采集处理***
Dumitriu et al. Rip current segmentation: A novel benchmark and yolov8 baseline results
CN209168369U (zh) 一种滑坡灾害实时监测装置
Lu et al. A neural network–based approach for fill factor estimation and bucket detection on construction vehicles
Madawala et al. Novel machine learning ensemble approach for landslide prediction
Li et al. Automatic detection of actual water depth of urban floods from social media images
Moughani et al. Groundwater spring potential prediction using a deep-learning algorithm
CN107679665A (zh) 一种基于大数据的海洋环境灾害预警方法
CN117253344A (zh) 一种海水酸化预警预报方法、***及电子设备
Zanella et al. Internet of things for hydrology: Potential and challenges
Al Mehedi et al. Unraveling The Complexities of Urban Flood Hydraulics Through AI
Jain et al. Leveraging machine learning algorithms for improved disaster preparedness and response through accurate weather pattern and natural disaster prediction
Li et al. Warning of rainfall-induced landslide in Bazhou District
Murshed et al. Real-time seismic intensity prediction using self-supervised contrastive gnn for earthquake early warning
Huang et al. Uncertainties in landslide susceptibility prediction: Influence rule of different levels of errors in landslide spatial position

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180209