欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2019101599111
申请人: 中国地质大学(武汉)
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种考虑反馈信息的海上遇险目标漂移集合预测方法,其特征在于,包括:建立海上搜救应急保障数据库;

建立综合考虑风、浪、流共同作用的海上遇险目标漂移轨迹预测模型;

对风场、流场、浪场、遇险地点、遇险时间、风致漂移系数、浪致漂移系数、流致漂移系数进行全维度扰动,构造集合成员,进行海上遇险目标漂移轨迹集合预测;

以海上遇险目标漂移轨迹预测模型为基础,开展海上遇险目标漂移轨迹集合预测,进而计算搜救范围,得到海上遇险目标漂移集合预测结果;

在搜寻遇险目标的过程中,根据实时接收的反馈信息,对集合预测结果进行匹配分析;

并根据分析结果对扰动向量进行优化调整,重新开展海上遇险目标漂移集合预测,直至搜寻到遇险目标。

2.根据权利要求1所述的海上遇险目标漂移集合预测方法,其特征在于:建立海上搜救应急保障数据库,包括:存储研究海域大气、海洋观测数据和再分析数据以及不同类型遇险目标的漂移系数,记录海上失事遇险案例,存储历史案例;

大气、海洋观测数据包括地波雷达、天气雷达、大气观测站、海洋观测站、浮标所得观测信息;大气、海洋再分析数据包括多个相互独立的全球大气、海洋再分析数据集;不同类型遇险目标的漂移系数包括风致漂移系数、浪致漂移系数和流致漂移系数;记录海上失事遇险案例和存储历史案例的信息包括遇险时间、遇险地点、遇险目标类型。

3.根据权利要求1所述的海上遇险目标漂移集合预测方法,其特征在于:建立综合考虑风、浪、流共同作用的海上遇险目标漂移轨迹预测模型;包括:漂移轨迹预测模型表达式为:

其中, 和 分别表示t时刻和t0时刻的遇险目标位置, 和 分别

表示流致漂移速度、风致漂移速度和浪致漂移速度。 为因湍流影响发生的随机走动距离。

4.根据权利要求3所述的海上遇险目标漂移集合预测方法,其特征在于:风致漂移速度、流致漂移速度、浪致漂移速度的计算公式分别为:其中,VF-wind为风致漂移速度大小,a、b为拟合系数,ε为误差项,下角标d,c+,c-分别对应顺风向、右偏风向、左偏风向,w10为海面l0米高度风速;VF-wave表示沿波浪传播方向的浪致漂移速度,H1/3表示有义波高,λ表示波长,α1、α2和α3为拟合系数。 为流致漂移速度,γ为流致漂移系数, 表示表层流速。

5.根据权利要求1所述的海上遇险目标漂移集合预测方法,其特征在于:对风场、流场、浪场、遇险地点、遇险时间、风致漂移系数、浪致漂移系数、流致漂移系数进行全维度扰动,构造集合成员,进行海上遇险目标漂移轨迹集合预测,包括:通过大气模式、海流模式、海浪模式的初始条件、开边界条件和重要参数化方案进行多维度同时扰动,开展业务化的在线耦合风浪流集合预报。

6.根据权利要求5所述的海上遇险目标漂移集合预测方法,其特征在于:开边界条件扰动方式是从海上搜救应急保障数据库的再分析数据中随机选取一个数据集来构造模式所需开边界条件;采用与开边界条件相同的再分析数据集构造扰动前的初始场,然后在其上叠加正态分布的随机扰动量,实现初始场的扰动;重要参数化方案的扰动方式是从不同的参数化方案中随机选取一种。

7.根据权利要求1所述的海上遇险目标漂移集合预测方法,其特征在于:

对风场、流场、浪场、遇险地点、遇险时间、风致漂移系数、浪致漂移系数、流致漂移系数进行全维度扰动,构造集合成员,进行海上遇险目标漂移轨迹集合预测;包括:全维度扰动采用产生随机向量的方式来进行,关系式为:

其中,Model_set为多维随机扰动向量,Nwind,Nwave,Nflow分别对应于预测模型输入条件中风、浪、流场扰动的随机数。 分别表示遇险目标风致漂移系数、浪致漂移系数和流致漂移系数扰动的随机向量,T表示遇险时间扰动的随机数, 表示遇险地点扰动的随机向量。

8.根据权利要求7所述的海上遇险目标漂移集合预测方法,其特征在于,遇险时间和遇险地点的扰动,两者的扰动振幅根据失事实际信息进行选择,它们共同决定了漂移轨迹预测模型中的粒子初始分布。

9.根据权利要求1所述的海上遇险目标漂移集合预测方法,其特征在于:所述的遇险目标救助搜寻中反馈信息分别为正反馈信息和负反馈信息:正反馈信息指在搜寻过程中由监控设备、航运船只等在某时刻发现搜救目标的信息反馈。

负反馈信息是指搜寻力量在漂移轨迹预测模型预测的搜寻区域中未发现遇险目标的信息反馈。

10.根据权利要求9所述的海上遇险目标漂移集合预测方法,其特征在于:针对正反馈信息,对集合预测的结果进行匹配,选取预测轨迹接近于反馈信息的样本所对应的参数集合,根据参数的后验密度函数,对全维度扰动向量进行自适应调整,得到优化调整后的全维度扰动向量,从而重新开展海上遇险目标漂移轨迹集合预测;

针对负反馈信息,对集合预测的结果进行匹配,筛去预测轨迹吻合负反馈信息的样本所对应的参数集合,根据参数的后验密度函数,对全维度扰动向量进行自适应调整,得到优化调整后的全维度扰动向量,从而重新开展海上遇险目标漂移轨迹集合预测。