海洋環境監測數據並行處理關鍵方法研究

《海洋環境監測數據並行處理關鍵方法研究》是依託吉林大學，由白洪濤擔任項目負責人的面上項目。

基本介紹

• 中文名：海洋環境監測數據並行處理關鍵方法研究
• 項目類別：面上項目
• 項目負責人：白洪濤
• 依託單位：吉林大學

項目摘要

21世紀是人類開發和利用海洋的新世紀，海洋環境監測數據採集、處理、分析理論和技術已成為各國尤其是近沿海海洋大國面臨的挑戰性課題。由於海洋分布面積廣，海洋的深度、密度和流動性等特徵，準確、全面的海洋環境監測數據具有重要的戰略意義和科研價值。本項目擬研究海洋環境監測數據並行處理關鍵方法，包括：1、面向海洋環境監測數據細粒度化的特徵提取方法；2、基於特徵學習的海洋溫躍層反演並行集成學習方法。最終目標是為快速分析揭示海洋環境溫鹽分布與流場結構、深入理解海洋環境特性與氣候變化規律提供堅實快速數據處理方法論。

結題摘要

在項目執行期內，本項目組成員面向兩種受到廣泛認可的海洋監測數據集BOA_Argo和WOA格線數據，進行了如下幾個方面的研究：1、研究了基於多維層次聚類的海洋監測數據特徵提取方法，最終依據特徵將海水劃分為表層水團、上混合層水團、溫躍層水團、下混合層水團和深海層水團五類；2、面向BOA_Argo海洋監測數據的稀疏性，提出了一種異步並行隨機森林集成學習方法，並採用格線化搜尋尋求最優模型，最終將原始數據網路間隔0.25經緯度提升至1米；在提升數據解析度的同時，完成了溫躍層的反演，在稀薄溫躍層反演和邊界界定上更具優勢；3、面向WOA海洋監測數據的小樣本特性，提出了基於對抗生成網路的數據增強方法，有效彌補了缺失值，修正了噪聲數據；4、設計了三並聯殘差網路對溫躍層演進趨勢進行預測，較好模擬了海洋數據的接近性、周期性和趨勢性。除上述研究之外，我們延伸了海洋數據處理至地下、空中全方位的時-空數據並行化方法，主要包括基於CPU多核的地下異常體和基於GPU眾核的並行海面雲導風反演算法，在保證地空反演運算精度的前提下性能加速比達到了十幾到一百倍不等。最後，我們研究了作為浮標監測數據的有益補充的海洋視頻數據的並行處理方法，達到了實時處理的級別。總之，經過本項目組成員的不懈努力，我們對基金計畫書中所規定的目標進行細化，不僅完全達成了預訂目標，而且進行了全時-空和海洋視頻數據處理的擴展，本項目研究成功的方法和實驗結論為快速分析揭示海洋環境溫鹽分布與流場結構、深入理解海洋環境特性與氣候變化規律提供了堅實快速數據處理方法論。