基于海洋机器人观测的高分辨率海洋环境预测方法

扫码查看

原文链接

万方数据
维普

中文摘要：海洋机器人是海洋环境观测应用的重要工具.利用海洋机器人获取的稀疏观测数据,实现区域海洋环境要素空间场高分辨率预测具有重要应用需求.面向该需求,提出一种基于海洋机器人稀疏观测数据的高分辨率海洋环境预测方法.以卷积长短期记忆神经网络ConvLSTM为基础,建立数据驱动的海洋环境空间场时间序列预测模型.应用集合卡尔曼滤波方法同化海洋机器人观测数据,实现神经网络预测模型在线学习,使模型逐步逼近海洋环境状态、预测输出逐步逼近观测数据.针对大尺度海洋环境高空间分辨率预测带来的高计算复杂性问题,引入非均匀空间分辨率预测策略,有效应对计算挑战.利用水下滑翔机南海北部观测实验数据进行了区域海洋环境二维水平面温度场预测实验,结果验证了方法的有效性.

外文标题：A method for high-resolution prediction of ocean environments based on observations from marine vehicles

外文摘要：Marine vehicles serve as pivotal platforms for oceanic environmental observations.Given the sparse nature of the observation data collected by marine vehicle networks,a significant demand arises for generating high-resolution pre-dictions regarding spatial distributions of regional oceanic parameters.Addressing this demand,this paper proposes a novel methodology that utilizes sparse marine vehicle observations for high-resolution ocean environment prediction.Built upon the ConvLSTM neural network model,this approach establishes a data-driven model capable of predicting the spatiotempor-al evolution of oceanic fields.Based on the neural network model,the ensemble Kalman filter technique is employed to ef-fectively assimilate marine vehicle observations,enabling online learning of the neural network model that progressively aligns model and its predictions with evolving oceanic conditions and observed data.To address the computational chal-lenges posed by high-resolution predictions over large oceanic scales,a non-uniform spatial resolution prediction strategy is introduced,effectively reducing computational burden.Experimental validation employs observations from an underwater glider network deployed in the northern South China Sea,predicting two-dimensional horizontal temperature spatial field within regional ocean environment.The results validate the effectiveness of the proposed method.

外文关键词：

marine vehicleocean observationocean predictiondeep learningdata assimilation

作者：

金乾隆、田宇、俞建成、王晓辉

展开 >

作者单位：

中国科学院沈阳自动化研究所机器人学国家重点实验室,辽宁沈阳 110016

中国科学院机器人与智能制造创新研究院,辽宁沈阳 110169

中国科学院大学,北京 100049

关键词：

海洋机器人海洋观测海洋预测深度学习数据同化

基金：

国家自然科学基金资助项目辽宁省兴辽英才计划资助项目沈阳市自然科学基金资助项目机器人学国家重点实验室项目中国科学院国际伙伴计划资助项目中国科学院沈阳自动化研究所基础研究计划资助项目国家重点研发计划资助项目

项目编号：

52271353XLYC200703522-315-6-082022-Z11173321KYSB201800112022JC3K052022YFE0204600

出版年：

2024

DOI：

10.3404/j.issn.1672-7649.2024.14.013

舰船科学技术

中国舰船研究院,中国船舶信息中心

舰船科学技术

CSTPCD北大核心

影响因子：0.373

ISSN：1672-7649

年,卷(期)：2024.46(14)

参考文献量1