[发明专利]一种基于数据分析的海灾智能监测系统及方法

说明书

本发明公开了一种基于数据分析的海灾智能监测系统及方法，属于深度学习技术领域。本发明基于LSTM算法构建海浪预测模型，加深网络结构，改进算法，输入历史海洋监测数据进行反复迭代训练，输出mAP值最大的预测模型，建立预测模型评估机制的精确度，输出判断海浪可能造成的灾害损失；本发明建立海浪的预测，提高海洋灾害防范和应对能力，做好海洋预警报公众服务，本发明不同于数值预报方法中的模型建立需要复杂的模型，从宏观上建立海浪的预测，基于LSTM网络建立预测模型，不需要关注影响海浪的因素是如何作用在海浪上的，在高精确度的海浪预测模型基础上，帮助分析海浪生成原因，实现海浪灾害智感智评智控。

技术领域

本发明涉及深度学习技术领域，具体为一种基于数据分析的海灾智能监测系统及方法。

背景技术

灾害性海浪是海上有效波高大于或等于4米的海浪，主要在热带气旋、温带气旋和寒潮的作用下形成，能够掀翻海上的船只，摧毁海洋和海岸工程，对于沿海的生产和生活活动产生威胁，同时海浪导致的泥沙会使海港和航道淤塞，对于海上作业船只的出现造成不便和威胁，据国家自然资源部统计，我国目前的海洋灾害以风暴潮和海浪灾害为主，2020年全部人员死亡和失踪全部由海浪灾害造成，不同强度的海量灾害对于人类的威胁程度不同，能够造成危害的被称为灾害性海浪，海浪的形成原因复杂。1968年至2008年，我国巨浪灾害共出现70次，沉船52063艘、死亡(含失踪)13475人，造成直接经济损失233.5亿元；

海浪系海面的波动现象，通常，海浪的生成快速，基于数值法建立海浪的模型进行计算，不仅仅是计算量大，而且时间越长预测数据误差越大，很难建立具有广泛适用性的预测模型。

发明内容

本发明的目的在于提供一种基于数据分析的海灾智能监测系统及方法，2021年12月底，“质量守恒海洋环流数值模式‘妈祖1.0’”正式发布，基于该模式建立的预报系统可以通过获取卫星、海上浮标等检测数据，掌控全球海洋的海温、海水盐度、海洋环流等多个海洋要素的重要信息，实时再现和更新全球海洋环境变化。“质量守恒海洋环流数值模式‘妈祖1.0’”意味着海灾的智能检测进入新的阶段，本发明提出一种海浪智能预测海灾评估的系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于数据分析的海灾智能监测方法，灾害实时监测的具体步骤包括：

步骤一：收集监测地区历史海洋监测数据，所述历史海洋监测数据包括海浪发生的具体时间、海浪有效波高、海浪的朝向、监测地区历史风速、风向、海上温度、陆地温度、洋流温差、潮汐和天气；

海浪的动力来源一般来自于风，风大浪大，风小浪小，风力等级与平均浪高之间呈准线性分布，风向分布与浪高的风向表现完全一致，同时海陆之间的温差、潮汐和天气也会对于海浪有一个助力作用，

同时监测地区的地形可能会促成海浪形成，不同地域对于海浪的是有影响的，但是同一地区的地形在短时间变化是很小的，基于不同地区训练不同的模型，避免不同的地形对于海浪的影响的计算本算法基于监测地区海浪数据训练模型避免复杂地形的计算和分析，极大程度的减小训练模型的计算量。

步骤二：将历史海洋监测数据结构化，同时将监测数据归一化处理；

步骤三：基于LSTM构建海浪预测模型，加深网络结构，改进算法，输入历史海洋监测数据进行反复迭代训练，输出mAP值最大的预测模型；

步骤四：基于评估模型计算预测模型的精确度；

步骤五：基于预测模型的输出判断海浪可能造成的灾害损失。

建立海浪的预测，提高海洋灾害防范和应对能力，做好海洋预警报公众服务，本发明不同于数值预报方法中的模型建立需要复杂的模型。计算量大且模型建立困难，有别于半经验板理论预报方法和经验统计预报方法，在浅海区域具有广泛应用性，需要大量的人工建立经验统计模型。