CN117669126A - 一种用于海洋环境研究的大规模浮标组网方法及*** - Google Patents
一种用于海洋环境研究的大规模浮标组网方法及*** Download PDFInfo
- Publication number
- CN117669126A CN117669126A CN202311309520.6A CN202311309520A CN117669126A CN 117669126 A CN117669126 A CN 117669126A CN 202311309520 A CN202311309520 A CN 202311309520A CN 117669126 A CN117669126 A CN 117669126A
- Authority
- CN
- China
- Prior art keywords
- buoy
- subarea
- ocean
- networking
- buoys
- 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.)
- Granted
Links
- 230000006855 networking Effects 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000011160 research Methods 0.000 title claims abstract description 37
- 230000008859 change Effects 0.000 claims abstract description 56
- 230000007613 environmental effect Effects 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 23
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 58
- 238000004891 communication Methods 0.000 description 31
- 230000009022 nonlinear effect Effects 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 11
- 238000011835 investigation Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 238000007667 floating Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012886 linear function Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005303 weighing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开一种用于海洋环境研究的大规模浮标组网方法及***，该方法包括：将需要进行浮标组网的海洋区域划分为多个子区域，获取每个子区域的区域数据，所述区域数据包括：子区域的面积、子区域的优先级、子区域的边界长度、子区域的水下地质特性、子区域的海洋温度变化率、子区域的盐度变化率、子区域的海流速度变化率；设置大规模浮标组网模型，根据每个子区域的区域数据，计算浮标网络中的浮标数量，其中，所述大规模浮标组网模型包括：海洋温度、盐度和海流速度的变化对浮标密度的影响函数；通过所述浮标网络中的浮标数量，完成大规模浮标组网。
Description
技术领域
本发明属于大规模浮标组网技术领域，更具体地，涉及一种用于海洋环境研究的大规模浮标组网方法及***。
背景技术
浮标组网是一种用于海洋环境研究的重要方法，可以帮助科学家们监测海洋中的各种物理、化学和生物过程。目前浮标组网一般需要经过以下步骤：
浮标选择和设计： 选择适用于海洋环境的浮标类型，这可能包括漂浮浮标、潜水浮标、表面漂流浮标等。浮标应具备耐用性、适应力和多功能性，以便在不同条件下工作。
区域划分：根据研究目标和关注的海洋过程，将研究区域划分为多个子区域。每个子区域都会部署一组浮标，形成一个浮标网络。
浮标传感器： 在每个浮标上安装各种传感器，以测量海洋参数，如温度、盐度、流速、浮游生物浓度等。这些传感器将实时收集数据，并将其传输到中央数据处理单元。
通信***：每个浮标都应配备通信设备，如卫星通信或无线网络连接，以实现浮标之间的数据传输和与地面站的通信。
数据收集和传输：浮标将收集到的数据传输到中央数据处理单元。这可以通过浮标之间的通信链路，或者通过与地面站的通信链路来实现。
但是现有技术中并没有一种技术方案，能够结合多个参数，给出浮标组网的方案。
发明内容
为解决以上技术问题，本发明提出一种用于海洋环境研究的大规模浮标组网方法，包括：
将需要进行浮标组网的海洋区域划分为多个子区域，获取每个子区域的区域数据，所述区域数据包括：子区域的面积、子区域的优先级、子区域的边界长度、子区域的水下地质特性、子区域的海洋温度变化率、子区域的盐度变化率、子区域的海流速度变化率；
设置大规模浮标组网模型，根据每个子区域的区域数据，计算浮标网络中的浮标数量，其中，所述大规模浮标组网模型包括：海洋温度、盐度和海流速度的变化对浮标密度的影响函数；
通过所述浮标网络中的浮标数量，完成大规模浮标组网。
进一步的，所述大规模浮标组网模型包括：
，
其中，N为浮标网络中的浮标数量，n为子区域的数量，为第/>个子区域的面积，为第/>个子区域的优先级，/>为第/>个子区域的边界长度，/>为第/>个子区域的水下地质特性，/>为第/>个子区域的海洋温度变化率，/>为第/>个子区域的盐度变化率，/>为第/>个子区域的海流速度变化率，/>为海洋温度、盐度和海流速度的变化对浮标密度的影响函数。
进一步的，海洋温度、盐度和海流速度的变化对浮标密度的影响函数 为：
，
其中，为总体调整因子，/>为海洋温度调整因子，/>为海流速度调整因子，/>为盐度的指数调整因子和/>为海洋温度的指数调整因子。
进一步的，海洋温度、盐度和海流速度的变化对浮标密度的影响函数为：
，
其中，为第一调整因子，/>为第二调整因子。
进一步的，为每个所述子区域部署一组浮标。
进一步的，通过中央数据处理单元接收每个浮标收集到的数据。
本发明还提出一种用于海洋环境研究的大规模浮标组网***，包括：
获取数据模块，用于将需要进行浮标组网的海洋区域划分为多个子区域，获取每个子区域的区域数据，所述区域数据包括：子区域的面积、子区域的优先级、子区域的边界长度、子区域的水下地质特性、子区域的海洋温度变化率、子区域的盐度变化率、子区域的海流速度变化率；
设置模型模块，用于设置大规模浮标组网模型，根据每个子区域的区域数据，计算浮标网络中的浮标数量，其中，所述大规模浮标组网模型包括：海洋温度、盐度和海流速度的变化对浮标密度的影响函数；
组网模块，用于通过所述浮标网络中的浮标数量，完成大规模浮标组网。
进一步的，所述大规模浮标组网模型包括：
，
其中，N为浮标网络中的浮标数量，n为子区域的数量，为第/>个子区域的面积，为第/>个子区域的优先级，/>为第/>个子区域的边界长度，/>为第/>个子区域的水下地质特性，/>为第/>个子区域的海洋温度变化率，/>为第/>个子区域的盐度变化率，/>为第/>个子区域的海流速度变化率，/>为海洋温度、盐度和海流速度的变化对浮标密度的影响函数。
通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明将需要进行浮标组网的海洋区域划分为多个子区域，获取每个子区域的区域数据，所述区域数据包括：子区域的面积、子区域的优先级、子区域的边界长度、子区域的水下地质特性、子区域的海洋温度变化率、子区域的盐度变化率、子区域的海流速度变化率；设置大规模浮标组网模型，根据每个子区域的区域数据，计算浮标网络中的浮标数量，其中，所述大规模浮标组网模型包括：海洋温度、盐度和海流速度的变化对浮标密度的影响函数；通过所述浮标网络中的浮标数量，完成大规模浮标组网。本发明通过以上技术方案，能够根据多个参数自动给出浮标组网数量及方案。
附图说明
图1是本发明实施例1的流程图；
图2是本发明实施例2的***的结构图；
图3是本发明实施例1的整体流程图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施，所述终端可以包括一个或多个如下部件：处理器、存储介质和显示屏。其中，存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储介质内的指令、程序、代码集或指令集，以及调用存储在存储介质内的数据，执行终端的各种功能和处理数据。
存储介质可以包括随机存储介质(Random Access Memory，RAM)，也可以包括只读存储介质(Read-Only Memory，ROM)。存储介质可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
本发明公式中所有下角标只为了区分参数，并没有实际含义。
除此之外，本领域技术人员可以理解，上述终端的结构并不构成对终端的限定，终端可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件，在此不再赘述。
实施例1
如图3所示，本发明方法包括以下步骤：
1.浮标选择和设计：选择适用于海洋环境的浮标类型，这可能包括漂浮浮标、潜水浮标、表面漂流浮标等。浮标应具备耐用性、适应力和多功能性，以便在不同条件下工作。
2.区域划分：根据研究目标和关注的海洋过程，将研究区域划分为多个子区域。每个子区域都会部署一组浮标，形成一个浮标网络。
3.设置浮标传感器：在每个浮标上安装各种传感器，以测量海洋参数，如温度、盐度、流速、浮游生物浓度等。这些传感器将实时收集数据，并将其传输到中央数据处理单元。
4.设置通信***：每个浮标都应配备通信设备，如卫星通信或无线网络连接，以实现浮标之间的数据传输和与地面站的通信。
5.数据收集和传输：浮标将收集到的数据传输到中央数据处理单元。这可以通过浮标之间的通信链路，或者通过与地面站的通信链路来实现。
6.数据处理与分析：中央数据处理单元接收来自所有浮标的数据，并进行实时处理和分析。科学家可以监测海洋环境的变化，研究海流、海温、海洋生态***等。
7.实时反馈和调整：根据数据分析的结果，可以实时调整浮标的部署位置，以优化数据采集策略和研究方向。
8.数据共享与传播：收集到的数据可以通过科研论文、数据库、在线平台等途径与科学界和公众共享，促进海洋环境研究和保护。
具体的，如图1所示，本发明实施例提供一种用于海洋环境研究的大规模浮标组网方法，包括：
步骤101，将需要进行浮标组网的海洋区域划分为多个子区域，获取每个子区域的区域数据，所述区域数据包括：子区域的面积、子区域的优先级、子区域的边界长度、子区域的水下地质特性、子区域的海洋温度变化率、子区域的盐度变化率、子区域的海流速度变化率；
步骤102，设置大规模浮标组网模型，根据每个子区域的区域数据，计算浮标网络中的浮标数量，其中，所述大规模浮标组网模型包括：海洋温度、盐度和海流速度的变化对浮标密度的影响函数；
具体的，所述大规模浮标组网模型包括：
，
其中，N为浮标网络中的浮标数量，n为子区域的数量，为第/>个子区域的面积，为第/>个子区域的优先级，/>为第/>个子区域的边界长度，/>为第/>个子区域的水下地质特性，/>为第/>个子区域的海洋温度变化率，/>为第/>个子区域的盐度变化率，/>为第/>个子区域的海流速度变化率，/>为海洋温度、盐度和海流速度的变化对浮标密度的影响函数。
具体的海洋温度、盐度和海流速度的变化对浮标密度的影响函数为：
，
其中，为总体调整因子，/>为海洋温度调整因子，/>为海流速度调整因子，/>为盐度的指数调整因子和/>为海洋温度的指数调整因子，影响函数/>引入了非线性函数来考虑海洋温度、盐度和海流速度的非线性影响，目的是更准确地描述这些海洋环境因素对浮标密度的影响。以下是这个公式的技术效果和作用：
非线性效应建模：通过引入非线性函数，公式能够更好地捕捉海洋环境因素的非线性效应。这对于实际情况中存在的复杂关系非常重要，因为温度、盐度和海流速度的变化可能不会线性地影响浮标密度。
权衡各因素的重要性：调整因子、/>、/>、/>、/>允许用户根据具体情况定制函数，以反映海洋环境因素的相对重要性。这样，用户可以根据项目需求来确定各因素对浮标密度的权重，使模型更适应不同情境。
综合多个环境因素：该函数综合考虑了海洋温度、盐度、海流速度等多个环境因素，将它们整合到一个函数中，以便更全面地评估浮标部署密度。
科学支持决策：该函数可用作决策支持工具，帮助决策者在海洋环境研究项目中优化浮标网络的设计和部署。通过考虑多个环境因素，决策者可以更科学地制定决策策略，以满足研究、监测或管理的特定目标。
更准确的模型：与简单的线性函数相比，该函数能够更准确地反映真实海洋环境中复杂的相互作用和非线性关系，从而提高了浮标网络部署决策的准确性和可靠性。
具体的，本发明中海洋温度、盐度和海流速度的变化对浮标密度的影响函数还可以为：
，
其中，为第一调整因子，/>为第二调整因子。
步骤103，通过所述浮标网络中的浮标数量，完成大规模浮标组网。
实施例2
本实施例中的***具备以下功能：
1.浮标选择和设计：选择适用于海洋环境的浮标类型，这可能包括漂浮浮标、潜水浮标、表面漂流浮标等。浮标应具备耐用性、适应力和多功能性，以便在不同条件下工作。
2.区域划分：根据研究目标和关注的海洋过程，将研究区域划分为多个子区域。每个子区域都会部署一组浮标，形成一个浮标网络。
3.设置浮标传感器：在每个浮标上安装各种传感器，以测量海洋参数，如温度、盐度、流速、浮游生物浓度等。这些传感器将实时收集数据，并将其传输到中央数据处理单元。
4.设置通信***：每个浮标都应配备通信设备，如卫星通信或无线网络连接，以实现浮标之间的数据传输和与地面站的通信。
5.数据收集和传输：浮标将收集到的数据传输到中央数据处理单元。这可以通过浮标之间的通信链路，或者通过与地面站的通信链路来实现。
6.数据处理与分析：中央数据处理单元接收来自所有浮标的数据，并进行实时处理和分析。科学家可以监测海洋环境的变化，研究海流、海温、海洋生态***等。
7.实时反馈和调整：根据数据分析的结果，可以实时调整浮标的部署位置，以优化数据采集策略和研究方向。
8.数据共享与传播：收集到的数据可以通过科研论文、数据库、在线平台等途径与科学界和公众共享，促进海洋环境研究和保护。
具体的，如图2所示，本发明实施例还提供一种用于海洋环境研究的大规模浮标组网***，包括：
获取数据模块，用于将需要进行浮标组网的海洋区域划分为多个子区域，获取每个子区域的区域数据，所述区域数据包括：子区域的面积、子区域的优先级、子区域的边界长度、子区域的水下地质特性、子区域的海洋温度变化率、子区域的盐度变化率、子区域的海流速度变化率；
设置模型模块，用于设置大规模浮标组网模型，根据每个子区域的区域数据，计算浮标网络中的浮标数量，其中，所述大规模浮标组网模型包括：海洋温度、盐度和海流速度的变化对浮标密度的影响函数；
具体的，所述大规模浮标组网模型包括：
，
其中，N为浮标网络中的浮标数量，n为子区域的数量，为第/>个子区域的面积，为第/>个子区域的优先级，/>为第/>个子区域的边界长度，/>为第/>个子区域的水下地质特性，/>为第/>个子区域的海洋温度变化率，/>为第/>个子区域的盐度变化率，/>为第/>个子区域的海流速度变化率，/>为海洋温度、盐度和海流速度的变化对浮标密度的影响函数。
具体的海洋温度、盐度和海流速度的变化对浮标密度的影响函数为：
，
其中，为总体调整因子，/>为海洋温度调整因子，/>为海流速度调整因子，/>为盐度的指数调整因子和/>为海洋温度的指数调整因子，影响函数/>入了非线性函数来考虑海洋温度、盐度和海流速度的非线性影响，目的是更准确地描述这些海洋环境因素对浮标密度的影响。以下是这个公式的技术效果和作用：
非线性效应建模：通过引入非线性函数，公式能够更好地捕捉海洋环境因素的非线性效应。这对于实际情况中存在的复杂关系非常重要，因为温度、盐度和海流速度的变化可能不会线性地影响浮标密度。
权衡各因素的重要性：调整因子、/>、/>、/>、/>允许用户根据具体情况定制函数，以反映海洋环境因素的相对重要性。这样，用户可以根据项目需求来确定各因素对浮标密度的权重，使模型更适应不同情境。
综合多个环境因素：该函数综合考虑了海洋温度、盐度、海流速度等多个环境因素，将它们整合到一个函数中，以便更全面地评估浮标部署密度。
科学支持决策：该函数可用作决策支持工具，帮助决策者在海洋环境研究项目中优化浮标网络的设计和部署。通过考虑多个环境因素，决策者可以更科学地制定决策策略，以满足研究、监测或管理的特定目标。
更准确的模型：与简单的线性函数相比，该函数能够更准确地反映真实海洋环境中复杂的相互作用和非线性关系，从而提高了浮标网络部署决策的准确性和可靠性。
具体的，本发明中海洋温度、盐度和海流速度的变化对浮标密度的影响函数还可以为：
，
其中，为第一调整因子，/>为第二调整因子。
组网模块，用于通过所述浮标网络中的浮标数量，完成大规模浮标组网。
实施例3
本发明实施例还提出一种存储介质，存储有多条指令，所述指令用于实现所述的一种用于海洋环境研究的大规模浮标组网方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：本发明方法包括以下步骤：
1.浮标选择和设计：选择适用于海洋环境的浮标类型，这可能包括漂浮浮标、潜水浮标、表面漂流浮标等。浮标应具备耐用性、适应力和多功能性，以便在不同条件下工作。
2.区域划分：根据研究目标和关注的海洋过程，将研究区域划分为多个子区域。每个子区域都会部署一组浮标，形成一个浮标网络。
3.设置浮标传感器：在每个浮标上安装各种传感器，以测量海洋参数，如温度、盐度、流速、浮游生物浓度等。这些传感器将实时收集数据，并将其传输到中央数据处理单元。
4.设置通信***：每个浮标都应配备通信设备，如卫星通信或无线网络连接，以实现浮标之间的数据传输和与地面站的通信。
5.数据收集和传输：浮标将收集到的数据传输到中央数据处理单元。这可以通过浮标之间的通信链路，或者通过与地面站的通信链路来实现。
6.数据处理与分析：中央数据处理单元接收来自所有浮标的数据，并进行实时处理和分析。科学家可以监测海洋环境的变化，研究海流、海温、海洋生态***等。
7.实时反馈和调整：根据数据分析的结果，可以实时调整浮标的部署位置，以优化数据采集策略和研究方向。
8.数据共享与传播：收集到的数据可以通过科研论文、数据库、在线平台等途径与科学界和公众共享，促进海洋环境研究和保护。
具体的，如图1所示，本发明实施例提供一种用于海洋环境研究的大规模浮标组网方法，包括：
步骤101，将需要进行浮标组网的海洋区域划分为多个子区域，获取每个子区域的区域数据，所述区域数据包括：子区域的面积、子区域的优先级、子区域的边界长度、子区域的水下地质特性、子区域的海洋温度变化率、子区域的盐度变化率、子区域的海流速度变化率；
步骤102，设置大规模浮标组网模型，根据每个子区域的区域数据，计算浮标网络中的浮标数量，其中，所述大规模浮标组网模型包括：海洋温度、盐度和海流速度的变化对浮标密度的影响函数；
具体的，所述大规模浮标组网模型包括：
，
其中，N为浮标网络中的浮标数量，n为子区域的数量，为第/>个子区域的面积，为第/>个子区域的优先级，/>为第/>个子区域的边界长度，/>为第/>个子区域的水下地质特性，/>为第/>个子区域的海洋温度变化率，/>为第/>个子区域的盐度变化率，/>为第/>个子区域的海流速度变化率，/>为海洋温度、盐度和海流速度的变化对浮标密度的影响函数。
具体的海洋温度、盐度和海流速度的变化对浮标密度的影响函数为：
，
其中，为总体调整因子，/>为海洋温度调整因子，/>为海流速度调整因子，/>为盐度的指数调整因子和/>为海洋温度的指数调整因子，影响函数/>引入了非线性函数来考虑海洋温度、盐度和海流速度的非线性影响，目的是更准确地描述这些海洋环境因素对浮标密度的影响。以下是这个公式的技术效果和作用：
非线性效应建模：通过引入非线性函数，公式能够更好地捕捉海洋环境因素的非线性效应。这对于实际情况中存在的复杂关系非常重要，因为温度、盐度和海流速度的变化可能不会线性地影响浮标密度。
权衡各因素的重要性：调整因子、/>、/>、/>、/>允许用户根据具体情况定制函数，以反映海洋环境因素的相对重要性。这样，用户可以根据项目需求来确定各因素对浮标密度的权重，使模型更适应不同情境。
综合多个环境因素：该函数综合考虑了海洋温度、盐度、海流速度等多个环境因素，将它们整合到一个函数中，以便更全面地评估浮标部署密度。
科学支持决策：该函数可用作决策支持工具，帮助决策者在海洋环境研究项目中优化浮标网络的设计和部署。通过考虑多个环境因素，决策者可以更科学地制定决策策略，以满足研究、监测或管理的特定目标。
更准确的模型：与简单的线性函数相比，该函数能够更准确地反映真实海洋环境中复杂的相互作用和非线性关系，从而提高了浮标网络部署决策的准确性和可靠性。
具体的，本发明中海洋温度、盐度和海流速度的变化对浮标密度的影响函数还可以为：
，
其中，为第一调整因子，/>为第二调整因子。
步骤103，通过所述浮标网络中的浮标数量，完成大规模浮标组网。
实施例4
本发明实施例还提出一种电子设备，包括处理器和与所述处理器连接的存储介质，所述存储介质存储有多条指令，所述指令可被所述处理器加载并执行，以使所述处理器能够执行一种用于海洋环境研究的大规模浮标组网方法。
具体的，本实施例的电子设备可以是计算机终端，所述计算机终端可以包括：一个或多个处理器、以及存储介质。
其中，存储介质可用于存储软件程序以及模块，如本发明实施例中的一种用于海洋环境研究的大规模浮标组网方法，对应的程序指令/模块，处理器通过运行存储在存储介质内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种用于海洋环境研究的大规模浮标组网方法。存储介质可包括高速随机存储介质，还可以包括非易失性存储介质，如一个或者多个磁性存储***、闪存、或者其他非易失性固态存储介质。在一些实例中，存储介质可进一步包括相对于处理器远程设置的存储介质，这些远程存储介质可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输***调用存储介质存储的信息及应用程序，以执行下述步骤：本发明方法包括以下步骤：
1.浮标选择和设计：选择适用于海洋环境的浮标类型，这可能包括漂浮浮标、潜水浮标、表面漂流浮标等。浮标应具备耐用性、适应力和多功能性，以便在不同条件下工作。
2.区域划分：根据研究目标和关注的海洋过程，将研究区域划分为多个子区域。每个子区域都会部署一组浮标，形成一个浮标网络。
3.设置浮标传感器：在每个浮标上安装各种传感器，以测量海洋参数，如温度、盐度、流速、浮游生物浓度等。这些传感器将实时收集数据，并将其传输到中央数据处理单元。
4.设置通信***：每个浮标都应配备通信设备，如卫星通信或无线网络连接，以实现浮标之间的数据传输和与地面站的通信。
5.数据收集和传输：浮标将收集到的数据传输到中央数据处理单元。这可以通过浮标之间的通信链路，或者通过与地面站的通信链路来实现。
6.数据处理与分析：中央数据处理单元接收来自所有浮标的数据，并进行实时处理和分析。科学家可以监测海洋环境的变化，研究海流、海温、海洋生态***等。
7.实时反馈和调整：根据数据分析的结果，可以实时调整浮标的部署位置，以优化数据采集策略和研究方向。
8.数据共享与传播：收集到的数据可以通过科研论文、数据库、在线平台等途径与科学界和公众共享，促进海洋环境研究和保护。
具体的，如图1所示，本发明实施例提供一种用于海洋环境研究的大规模浮标组网方法，包括：
步骤101，将需要进行浮标组网的海洋区域划分为多个子区域，获取每个子区域的区域数据，所述区域数据包括：子区域的面积、子区域的优先级、子区域的边界长度、子区域的水下地质特性、子区域的海洋温度变化率、子区域的盐度变化率、子区域的海流速度变化率；
步骤102，设置大规模浮标组网模型，根据每个子区域的区域数据，计算浮标网络中的浮标数量，其中，所述大规模浮标组网模型包括：海洋温度、盐度和海流速度的变化对浮标密度的影响函数；
具体的，所述大规模浮标组网模型包括：
,
其中，N为浮标网络中的浮标数量，n为子区域的数量，为第/>个子区域的面积，为第/>个子区域的优先级，/>为第/>个子区域的边界长度，/>为第/>个子区域的水下地质特性，/>为第/>个子区域的海洋温度变化率，/>为第/>个子区域的盐度变化率，/>为第/>个子区域的海流速度变化率，/>为海洋温度、盐度和海流速度的变化对浮标密度的影响函数。
具体的海洋温度、盐度和海流速度的变化对浮标密度的影响函数为：
,
其中，为总体调整因子，/>为海洋温度调整因子，/>为海流速度调整因子，/>为盐度的指数调整因子和/>为海洋温度的指数调整因子，影响函数/>引入了非线性函数来考虑海洋温度、盐度和海流速度的非线性影响，目的是更准确地描述这些海洋环境因素对浮标密度的影响。以下是这个公式的技术效果和作用：
非线性效应建模：通过引入非线性函数，公式能够更好地捕捉海洋环境因素的非线性效应。这对于实际情况中存在的复杂关系非常重要，因为温度、盐度和海流速度的变化可能不会线性地影响浮标密度。
权衡各因素的重要性：调整因子、/>、/>、/>、/>允许用户根据具体情况定制函数，以反映海洋环境因素的相对重要性。这样，用户可以根据项目需求来确定各因素对浮标密度的权重，使模型更适应不同情境。
综合多个环境因素：该函数综合考虑了海洋温度、盐度、海流速度等多个环境因素，将它们整合到一个函数中，以便更全面地评估浮标部署密度。
科学支持决策：该函数可用作决策支持工具，帮助决策者在海洋环境研究项目中优化浮标网络的设计和部署。通过考虑多个环境因素，决策者可以更科学地制定决策策略，以满足研究、监测或管理的特定目标。
更准确的模型：与简单的线性函数相比，该函数能够更准确地反映真实海洋环境中复杂的相互作用和非线性关系，从而提高了浮标网络部署决策的准确性和可靠性。
具体的，本发明中海洋温度、盐度和海流速度的变化对浮标密度的影响函数还可以为：
，
其中，为第一调整因子，/>为第二调整因子。
步骤103，通过所述浮标网络中的浮标数量，完成大规模浮标组网。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应所述理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的***实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的全部或部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储介质(ROM，Read-Only Memory)、随机存取存储介质(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (6)
1.一种用于海洋环境研究的大规模浮标组网方法，其特征在于，包括：
将需要进行浮标组网的海洋区域划分为多个子区域，获取每个子区域的区域数据，所述区域数据包括：子区域的面积、子区域的优先级、子区域的边界长度、子区域的水下地质特性、子区域的海洋温度变化率、子区域的盐度变化率、子区域的海流速度变化率；
设置大规模浮标组网模型，根据每个子区域的区域数据，计算浮标网络中的浮标数量，其中，所述大规模浮标组网模型包括：海洋温度、盐度和海流速度的变化对浮标密度的影响函数；
其中，所述大规模浮标组网模型包括：
，
其中，N为浮标网络中的浮标数量，n为子区域的数量，为第/>个子区域的面积，/>为第/>个子区域的优先级，/>为第/>个子区域的边界长度，/>为第/>个子区域的水下地质特性，为第/>个子区域的海洋温度变化率，/>为第/>个子区域的盐度变化率，/>为第/>个子区域的海流速度变化率，/>为海洋温度、盐度和海流速度的变化对浮标密度的影响函数；
通过所述浮标网络中的浮标数量，完成大规模浮标组网。
2. 如权利要求1所述的一种用于海洋环境研究的大规模浮标组网方法，其特征在于，海洋温度、盐度和海流速度的变化对浮标密度的影响函数 为：
，
其中，为总体调整因子，/>为海洋温度调整因子，/>为海流速度调整因子，/>为盐度的指数调整因子和/>为海洋温度的指数调整因子。
3.如权利要求1所述的一种用于海洋环境研究的大规模浮标组网方法，其特征在于，海洋温度、盐度和海流速度的变化对浮标密度的影响函数为：
，
其中，为第一调整因子，/>为第二调整因子。
4.如权利要求1所述的一种用于海洋环境研究的大规模浮标组网方法，其特征在于，为每个所述子区域部署一组浮标。
5.如权利要求1所述的一种用于海洋环境研究的大规模浮标组网方法，其特征在于，通过中央数据处理单元接收每个浮标收集到的数据。
6.一种用于海洋环境研究的大规模浮标组网***，其特征在于，包括：
获取数据模块，用于将需要进行浮标组网的海洋区域划分为多个子区域，获取每个子区域的区域数据，所述区域数据包括：子区域的面积、子区域的优先级、子区域的边界长度、子区域的水下地质特性、子区域的海洋温度变化率、子区域的盐度变化率、子区域的海流速度变化率；
设置模型模块，用于设置大规模浮标组网模型，根据每个子区域的区域数据，计算浮标网络中的浮标数量，其中，所述大规模浮标组网模型包括：海洋温度、盐度和海流速度的变化对浮标密度的影响函数；
其中，所述大规模浮标组网模型包括：
，
其中，N为浮标网络中的浮标数量，n为子区域的数量，为第/>个子区域的面积，/>为第/>个子区域的优先级，/>为第/>个子区域的边界长度，/>为第/>个子区域的水下地质特性，为第/>个子区域的海洋温度变化率，/>为第/>个子区域的盐度变化率，/>为第/>个子区域的海流速度变化率，/>为海洋温度、盐度和海流速度的变化对浮标密度的影响函数；
组网模块，用于通过所述浮标网络中的浮标数量，完成大规模浮标组网。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311309520.6A CN117669126B (zh) | 2023-10-11 | 2023-10-11 | 一种用于海洋环境研究的大规模浮标组网方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311309520.6A CN117669126B (zh) | 2023-10-11 | 2023-10-11 | 一种用于海洋环境研究的大规模浮标组网方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117669126A true CN117669126A (zh) | 2024-03-08 |
| CN117669126B CN117669126B (zh) | 2024-06-11 |
Family
ID=90070191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311309520.6A Active CN117669126B (zh) | 2023-10-11 | 2023-10-11 | 一种用于海洋环境研究的大规模浮标组网方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117669126B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2010126708A (ru) * | 2010-06-29 | 2012-01-10 | Тихоокеанский океанологический институт им. В.И. Ильичева Дальневосточного отделения Российской академии наук (ТОИ ДВО РАН) (RU) | Способ оценки глубины верхнего квазиоднородного слоя высокоширотных морей в зимний период |
| CN105930381A (zh) * | 2016-04-13 | 2016-09-07 | 国家***第二海洋研究所 | 基于混合数据库架构的全球Argo数据存储与更新方法 |
| CN108536849A (zh) * | 2018-04-16 | 2018-09-14 | 上海海洋大学 | 一种浮标数据的多目标关联度增量优化划分方法 |
| CN111291520A (zh) * | 2020-02-27 | 2020-06-16 | 山东省科学院海洋仪器仪表研究所 | 一种优化空间效率的海洋锚定浮标站位智能选址方法 |
| CN112287547A (zh) * | 2020-10-29 | 2021-01-29 | 西北工业大学 | 基于nsga-ⅱ的被动浮标布阵优化方法 |
| CN116399816A (zh) * | 2023-03-07 | 2023-07-07 | 中国人民解放军国防科技大学 | 一种基于立方星星座的天地一体化全球环保监测*** |
-
2023
- 2023-10-11 CN CN202311309520.6A patent/CN117669126B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2010126708A (ru) * | 2010-06-29 | 2012-01-10 | Тихоокеанский океанологический институт им. В.И. Ильичева Дальневосточного отделения Российской академии наук (ТОИ ДВО РАН) (RU) | Способ оценки глубины верхнего квазиоднородного слоя высокоширотных морей в зимний период |
| CN105930381A (zh) * | 2016-04-13 | 2016-09-07 | 国家***第二海洋研究所 | 基于混合数据库架构的全球Argo数据存储与更新方法 |
| CN108536849A (zh) * | 2018-04-16 | 2018-09-14 | 上海海洋大学 | 一种浮标数据的多目标关联度增量优化划分方法 |
| CN111291520A (zh) * | 2020-02-27 | 2020-06-16 | 山东省科学院海洋仪器仪表研究所 | 一种优化空间效率的海洋锚定浮标站位智能选址方法 |
| CN112287547A (zh) * | 2020-10-29 | 2021-01-29 | 西北工业大学 | 基于nsga-ⅱ的被动浮标布阵优化方法 |
| CN116399816A (zh) * | 2023-03-07 | 2023-07-07 | 中国人民解放军国防科技大学 | 一种基于立方星星座的天地一体化全球环保监测*** |
Non-Patent Citations (4)
| Title |
|---|
| KAREN R. GRISSOM等: "An evaluation of adding a low-cost temperature string to NDBC Weather Buoys for monitoring heat content in the Caribbean Sea", IEEE, 1 December 2016 (2016-12-01) * |
| 吴义生: "L波段SMAP卫星的中西太平洋平静海表面亮温信息提取研究", 中国优秀博硕士学位论文全文数据库, 15 February 2021 (2021-02-15) * |
| 崔赫等: "黄海潮波***下的GOCI反演及OSU模式海表流场数据适用性研究", CNKI, 5 July 2022 (2022-07-05) * |
| 徐波波;张锋;张志峰;杨华勇;杜宗印;: "核电冷源运行安全生物灾害综合监测预警技术研究", 给水排水, no. 1, 31 July 2018 (2018-07-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117669126B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2021200207B2 (en) | Automated detection of features and/or parameters within an ocean environment using image data | |
| Johnson et al. | Continuous‐time correlated random walk model for animal telemetry data | |
| CN109886290A (zh) | 用户请求的检测方法、装置、计算机设备及存储介质 | |
| CN110263824A (zh) | 模型的训练方法、装置、计算设备及计算机可读存储介质 | |
| CN113128105A (zh) | 突发性流域水污染事故监测方法及装置 | |
| CN107590514A (zh) | 遥感分类精度评价的样本点优化布设方法、***和设备 | |
| CN106323272B (zh) | 一种获取航迹起始轨迹的方法及电子设备 | |
| CN105574091B (zh) | 信息推送方法及装置 | |
| CN107687994A (zh) | 空气检测***及方法 | |
| CN110309240A (zh) | 去除动态目标的方法和装置 | |
| CN117236526B (zh) | 河流甲烷年排放量确定方法、装置、电子设备和储存介质 | |
| Liu et al. | A seabed real-time sensing system for in-situ long-term multi-parameter observation applications | |
| CN117669126B (zh) | 一种用于海洋环境研究的大规模浮标组网方法及*** | |
| Kininmonthab et al. | Sensor networking the great barrier reef | |
| CN116894173A (zh) | 水质溯源方法、装置、设备和存储介质 | |
| CN110852512A (zh) | 一种海浪预测***、方法及设备 | |
| CN114937029B (zh) | 森林碳储量抽样估测方法、装置、设备及存储介质 | |
| CN114818476B (zh) | 一种应用于旋转机械设备寿命预测的联邦学习***及方法 | |
| Becker et al. | A novel smartphone-based activity recognition modeling method for tracked equipment in forest operations | |
| CN109873836A (zh) | 一种数据的风险评估方法及装置 | |
| Xiang et al. | Intelligent data acquisition and cloud services for apple orchard | |
| Li et al. | Design of an EIoT system for nature reserves: a case study in Shangri-La County, Yunnan Province, China | |
| CN106611100A (zh) | 一种用户行为分析方法和装置 | |
| Ajibola-James et al. | An approach for good modelling and forecasting of sea surface salinity in a coastal zone using machine learning LASSO regression models built with sparse satellite time-series datasets | |
| CN117744538B (zh) | 河道开挖对枢纽水流流场的影响分析方法及*** |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |