排序方式: 共有26条查询结果,搜索用时 109 毫秒
21.
22.
面对海量的海表面温度数据,如何使用大数据处理平台和新的处理技术来实时处理、分析并预测海表面温度数据,是一个亟待解决的问题。本文基于现阶段的时间序列方法和专家意见,首先,将类比合成方法引入到海表面温度预测应用中;其次,基于Spark平台提出了一种改进的快速DTW算法SparkDTW;最后,为了充分利用通过时间序列挖掘得到的信息,将SparkDTW与SVM相结合,提出了SparkDTW+SVM混合模型,为海表面温度预测的应用研究提供了较好的理论基础和技术支持。实验结果表明,SparkDTW算法预测精度优于SVM,提高了海表面温度预测效率,验证了将类比合成方法应用在海表面温度预测的可行性;SparkDTW+SVM在精度方面要优于SparkDTW和SVM,表明SVM模型能充分利用时间序列挖掘的信息,验证了SparkDTW+SVM在海表面温度预测的有效性。 相似文献
23.
针对对数比例变换法和多波段模型法两种操作简便的水深反演方法的优劣进行对比,旨在探讨二者对于大量浅海水深快速反演流程化工作的适用性。基于水深参考数据,随机选取138个样本点分别构建反演模型,并分层随机抽取100个验证点进行精度评价。从模型决定系数R2、反演精度,以及方法鲁棒性和适用性3个方面进行对比分析。结果表明,多波段模型法的决定系数R2(0.912)优于对数比例变换法(0.776);多波段模型法的反演平均绝对误差为1.47m,平均相对误差11.67%,均略低于对数比例变换法(1.45m,11.49%),但后者在小于1m的水深范围内的反演结果存在大范围错误,精度明显低于前者;多波段模型法可通过对回归方程和回归系数的显著性检验而不断优化,鲁棒性和适用性亦明显优于对数比例变换法。因此,本研究认为多波段模型法更适用于大量浅海水深快速反演流程化工作。 相似文献
24.
25.
26.
海洋数据的多源性、多态性和多样性以及数据量庞大等特点决定了其不同于其它数据,如何更加合理有效地存储和管理海洋数据,为海洋综合管理信息系统和"数字海洋"原型系统建设提供有力的数据支撑,是一个紧迫需要解决的问题。本文对各类海洋资源、海洋环境、海洋经济、海洋管理等数据进行统一的体系规划,构建统一标准的海洋数据体系框架,以实现国家、省(市)等各级海洋数据的有效管理,满足"数字海洋"海洋信息基础平台建设需要。 相似文献