CN116625327B 一种大数据驱动的海洋环境监测与预警方法 （海南智慧海事科技有限公司）

A,2017.02.09A,2020.06.26A,2021.03.09A,2022.06.17一种大数据驱动的海洋环境监测与预警方法体为一种大数据驱动的海洋环境监测与预警方2使用聚类算法，对洋流数据和海洋区域特征数据进行分析，将所述部署的传感器包括温度传感器、盐度传感器、溶所述为每个划分的群集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，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，根据无人机利用边缘计算技术在数据采集点对数据进行对采集到的数据进行清洗、去噪，在边缘节点内采用gzi利用边缘计算设备上的数据处理能力，在数据采集点对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3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所述描述性统计分析阶段具体基于预处理和初步分所述异常数据检测阶段采用基于距离的DBSCAN聚类算法、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所述基于距离的DBSCAN聚类算法具体基于季使用分布式数据库技术存储信息流；所述使用分实时获取海洋环境的事件和动态变化，并进行预警；所述增强学习的算法具体为Q_所述增强学习以及深度强化学习进行模式识别将训练好的模型部署到实时环境中，基于实时流处理技术进行海4所述定义事件模式和规则具体基于传感器部署方案，所述所述水温异常事件模式具体定义基于海洋表面或水体深所述海洋生物异常事件模式包括海洋藻类突发暗潮、鱼对应设立智能应对系统，自动启动无人机进行实地监测基于复杂事件处理技术（CEP进行数据分析并判定事件，生成详细的事件报告和评5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，[0010]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6[0032]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7[0044]作为本发明的进一步方案，所述使用分布式数据库技术存储信息流的步骤具体[0046]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8[0061]所述水温异常事件模式具体定义基于海洋表面或水体深度的异分析技术对海洋环境数据进行处理和质控阶段，可以检测和处理数据中的异常事件和趋[0075]图1为本发明提出一种大数据驱动的海洋环境监测与预警方法的主要步骤示意[0076]图2为本发明提出一种大数据驱动的海洋9[0077]图3为本发明提出一种大数据驱动的海洋环境监测与预警方法的无人机群合作的[0078]图4为本发明提出一种大数据驱动的海洋环境监测与预警方法预处理和初步分析[0079]图5为本发明提出一种大数据驱动的海洋环境监测与预警方法检测和处理数据中[0080]图6为本发明提出一种大数据驱动的海洋环境监测与预警方法使用分布式数据库[0081]图7为本发明提出一种大数据驱动的海洋环境监测与预警方法增强学习以及深度[0082]图8为本发明提出一种大数据驱动的海洋环境监测与预警方法实时流处理技术的[0083]图9为本发明提出一种大数据驱动的海洋环境监测与预警方法自动启动无人机进示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限[0091]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学习和深度强化学习的技术可以进行海洋环境数据的模式识别和预测。建立智能应对系[0103]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[0106]分析提取海洋区域特征是在获取洋流数据的基础上，进一步对海洋环境进行分[0119]通过合作飞行和任务分配算法，无人机群可以更快速地覆盖大[0120]请参阅图4，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[0124]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[0128]请参阅图5，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[0134]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[0140]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[0158]海洋生物异常事件模式包括但不限于海洋藻类突发暗潮、鱼群迁徙偏离预期路式和规则进行实时监测和预警。这可以帮助及时发现和应对各种海洋环境中的异常情况，分析和评估提供更准确的依据。通过使用复杂事件处理技术对采集数据进行分析和判定，案和颜色实时获取各类海洋情报；本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施