海洋大数据关键技术及在灾害天气下船舶行为预测上的应用

王冬海; 卢峰; 方晓蓉; 郭刚

doi:10.11959/j.issn.2096-0271.2017044

您当前的位置：

首页 >

文章列表页 >

海洋大数据关键技术及在灾害天气下船舶行为预测上的应用

应用 | 更新时间：2024-06-03

- 海洋大数据关键技术及在灾害天气下船舶行为预测上的应用
- Ocean big data and applications in ship behavior prediction under disaster weather
- 大数据 2017年3卷第4期页码：81-90
- 作者机构：
- 作者简介：
  
  [ "王冬海（1968-），男，中电科海洋信息技术研究院有限公司研究员，中国电子科技集团公司首席专家，长期从事信息系统总体、系统仿真、信息安全等前沿技术研究工作，对信息系统仿真和软件工程有深入研究，在软件配置管理方面有丰富的实践经验。" ]
  [ "卢峰（1972-），男，中电科海洋信息技术研究院有限公司高级工程师，长期从事信息系统总体、信息处理技术等方向的研究工作，曾在微软和联想公司长期从事国内外大型系统总体设计，熟悉大数据挖掘技术，在软件计算和服务平台方面有丰富的实践经验。现负责海洋大数据平台架构搭建及海洋信息处理技术研发。" ]
  [ "方晓蓉（1990-），女，中电科海洋信息技术研究院有限公司助理工程师，主要研究方向为海洋大数据、海洋观测数据分析、海洋模型数值模拟。" ]
  [ "郭刚（1983-），男，中电科海洋信息技术研究院有限公司工程师，主要研究方向为大数据分析、信息安全。" ]
- 基金信息：
- DOI：10.11959/j.issn.2096-0271.2017044
  中图分类号： TP181
- 网络首发：2017-07，
  
  纸质出版：2017-07-20
- 稿件说明：
移动端阅览
王冬海, 卢峰, 方晓蓉, 等. 海洋大数据关键技术及在灾害天气下船舶行为预测上的应用[J]. 大数据, 2017,3(4):81-90.

Donghai WANG, Feng LU, Xiaorong FANG, et al. Ocean big data and applications in ship behavior prediction under disaster weather[J]. Big data research, 2017, 3(4): 81-90.
王冬海, 卢峰, 方晓蓉, 等. 海洋大数据关键技术及在灾害天气下船舶行为预测上的应用[J]. 大数据, 2017,3(4):81-90. DOI： 10.11959/j.issn.2096-0271.2017044.

Donghai WANG, Feng LU, Xiaorong FANG, et al. Ocean big data and applications in ship behavior prediction under disaster weather[J]. Big data research, 2017, 3(4): 81-90. DOI： 10.11959/j.issn.2096-0271.2017044.

摘要

随着海洋数据量的爆炸式增长，海洋大数据受到越来越多的关注。主要分析和总结了当前海洋大数据的研究现状和关键技术，聚焦了机器学习在海洋大数据中的模型预测研究的实例，对海上船舶在灾害天气（台风）下的行为进行了回归训练和预测。通过构建和对比决策树、Bagging、随机森林等多种机器学习算法，对样本数据进行学习、预测和检验评估。最终结果表明，随机森林方法在灾害天气下船舶密度的预测应用中具有良好和稳健的效果。

Abstract

With the explosive growth of marine data

the ocean big data have received more attention and concern recently.The current status and key technologies of ocean big data here were summarized and analyzed.A specific case about the application of machine learning in the prediction model of ocean big data was also focused

which was a forecasting test of maritime ships behavior based on regression training in disaster weather (typhoon).The sample data for validating and evaluating three machine learning algorithms of decision tree

Bagging and random forest were trained and tested.The final results prove the best and robust effect of the random forest algorithm in the prediction of ship density under the disaster weather.

关键词

Keywords

references

孙朝随 , 刘青 , 胡桐 , 等 . 海洋大数据处理软件体系结构设计 [J ] . 中国海洋大学学报(自然科学版) , 2016 , 45 ( 2 ): 134 - 137 .

SUN C S , LIU Q , HU T , et al . Software architecture for oceanographic big data processing [J ] . Periodical of Ocean University of China , 2016 , 45 ( 2 ): 134 - 137 .

黄昌 . 海洋气象导航服务信息系统的设计与实现 [D ] . 上海:华东师范大学 , 2010 .

HUANG C . Designing and developing marine meteorological service operational system [D ] . Shanghai:East China Normal University , 2010 .

KÜHNLEIN M , APPELHANS T , THIES B , et al . Precipitation estimates from MSG SEVIRI daytime,nighttime,and twilight data with random forests [J ] . Journal of Applied Meteorology ＆ Climatology , 2014 , 53 ( 11 ): 2457 - 2480 .

YING M , ZHANG W , YU H , et al . An overview of the China meteorological administration tropical cyclone database [J ] . Journal of Atmospheric ＆ Oceanic Technology , 2014 , 31 ( 2 ): 287 - 301 .

KALNAY E , KANAMITSU M , KISTLER R , et al . The NCEP/NCAR 40-year reanalysis project [J ] . Bulletin of the American Meteorological Society , 1996 , 77 ( 3 ): 437 - 471 .

肖潇 , 邵哲平 , 潘家财 , 等 . 基于AIS信息的船舶轨迹聚类模型及应用 [J ] . 中国航海 , 2015 , 38 ( 2 ): 82 - 86 .

XIAO X , SHAO Z P , PAN J C , et al . Ship trajectory clustering model based on AIS data and its application [J ] . Navigation of China , 2015 , 38 ( 2 ): 82 - 86 .

BREIMAN L . Random forest [J ] . Machine Learning , 2001 , 45 : 5 - 32 .

王辉 , 刘娜 , 逄仁波 , 等 . 全球海洋预报与科学大数据 [J ] . 科学通报 , 2015 , 60 ( 5 ): 479 - 484 .

WANG H , LIU N , PANG R B , et al . Global ocean forecasting and scientific big data [J ] . Chinese Science Bulletin , 2015 , 60 ( 5 ): 479 - 484 .

浏览量

1617

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

小样本数据下特种材料基因工程的数据扩充方法

表现性语音合成综述

文本情感可视分析技术及其在人文领域的应用

联邦学习攻击与防御综述

基于材料数值计算大数据的材料辐照机理发现