-
题名基于深度学习和时空特征融合的海洋渔船密度预测方法
被引量：1
- 1
-
-
作者
丁依婷
胡志远
董帝渤
-
机构
福建社会科学院博士后创新实践基地
福建师范大学理论经济学博士后科研流动站
福建理工大学智慧海洋与工程研究院
-
出处
《应用海洋学学报》
CAS
CSCD
北大核心
2024年第2期350-359,共10页
-
基金
福建省海洋灾害基础调查与评估项目([3500]MZZJ[GK]2022003)
福建省财政科研资助项目(KY030293)。
-
文摘
为了从海量渔船轨迹数据中挖掘隐含的信息和知识,进而为渔业行政主管部门的决策提供科学依据,本研究以AIS渔船轨迹数据为研究对象,提出了一种基于深度学习和面向时空特征融合的海洋渔船密度预测方法:首先,利用渔船轨迹数据集对渔船行驶区域进行网格划分;其次,筛选出渔船高密度区域进行研究,避免数据稀疏性问题;再次,根据渔船轨迹数据的时空分析,构建三维时空融合矩阵;最后,通过卷积循环神经网络模型捕获渔船分布的时间和空间特征,并利用卷积神经网络的堆叠加强对空间特征的学习。实验通过东海海域渔船真实轨迹数据进行具体测试,结果表明渔船密度预测值与真实值非常接近,平均绝对误差为4×10^(-4),模型较好地拟合了渔船密度分布特征,有效地提高了渔船捕捞热点预测的准确性和鲁棒性。
-
关键词
渔业资源
渔船密度预测
深度学习
卷积神经网络
-
Keywords
fisheries resources
fishing vessel density prediction
deep learning
convolutional recurrent neural network
-
分类号
P75
[天文地球—海洋科学]
P751
[交通运输工程—港口、海岸及近海工程]
-
-
题名水质检测机器人结构设计及CFD水动力仿真分析
- 2
-
-
作者
黄红武
林勇
高秀晶
袁超
姜璟珺
-
机构
福建理工大学智慧海洋科学技术学院
福建理工大学智慧海洋与工程研究院
海洋智能装备福建省高校重点实验室
湖南大学机械与运载工程学院
-
出处
《渔业现代化》
北大核心
2025年第3期1-11,共11页
-
基金
2023年福建省科技厅“揭榜挂帅”重大科技专项(2023HZ025003)
福建省财政厅教育和科研专项(GY-Z23009)
福建理工大学科研启动项目(GY-Z23056)。
-
文摘
针对传统水质检测设备在水产养殖工作中存在检测范围受限和检测深度不足等问题,设计了一款水质检测机器人,并对其进行结构动力学和流体动力学分析,以验证方案设计可行性。首先,完成机器人结构设计与建模,采用有限元方法对电子舱进行静力学强度校核;其次,基于CFD方法,采用RANS和RNG k-ε湍流模型,分析了0.2~1.0 m/s航速下的直航运动性能;最后,运用重叠网格技术探究了变速运动特性。结果显示:在水下100 m时,电子舱最大等效应力为50.70 MPa,最大形变为0.0763 mm,满足耐压要求。直航运动状态下,水动力系数(X_(uu)(+)、X_(uu)(-)、Y_(v|v|)、Z_(ww(+))和Z_(ww-))分别为-34.75、-37.54、-82.81、-71.16和-93.47。变速运动状态下,惯性水动力系数(X_(u)、Y_(v)和Z_(w))分别为-7.32、-24.25和-22.53。该研究不仅为水质检测领域提供了一种具备水下移动能力、可实现全方位检测的新型装备,还为水质检测机器人结构优化与运动控制策略提供了数据支持,推动其在水质检测领域的实际应用。
-
关键词
水下机器人
水质检测
结构设计
CFD
水动力系数
-
Keywords
underwater robot
water quality detection
structural design
CFD
hydrodynamic coefficient
-
分类号
S951
[农业科学—水产养殖]
-
