CN108332722A - 一种海水深度检测方法及装置 - Google Patents

一种海水深度检测方法及装置 Download PDF

Info

Publication number
CN108332722A
CN108332722A CN201711457725.3A CN201711457725A CN108332722A CN 108332722 A CN108332722 A CN 108332722A CN 201711457725 A CN201711457725 A CN 201711457725A CN 108332722 A CN108332722 A CN 108332722A
Authority
CN
China
Prior art keywords
matrix
variables
sea water
sampling point
water advanced
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711457725.3A
Other languages
English (en)
Inventor
吴呈良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Inspur Cloud Service Information Technology Co Ltd
Original Assignee
Shandong Inspur Cloud Service Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Inspur Cloud Service Information Technology Co Ltd filed Critical Shandong Inspur Cloud Service Information Technology Co Ltd
Priority to CN201711457725.3A priority Critical patent/CN108332722A/zh
Publication of CN108332722A publication Critical patent/CN108332722A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • G01C13/008Surveying specially adapted to open water, e.g. sea, lake, river or canal measuring depth of open water
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明提供了一种海水深度检测方法及装置,该方法包括:在待测海域确定至少两个检测样点,获取每一个所述检测样点的海水深度;针对所述待测海域中的每一个待检测点,创建位于海平面上的直角坐标系,使得所述待检测点位于所述直角坐标系的原点,并确定各个所述检测样点在所述直角坐标系中的坐标值;根据各个所述检测样点的所述坐标值和所述海水深度,构建克里金函数;对所述克里金函数进行求解,获得变量矩阵;根据所述变量矩阵计算所述待检测点对应的海水深度。该装置包括:样点采集单元、坐标划分单元、函数构建单元、函数求解单元和深度估值单元。本方案可以提高对海水深度进行检测的效率。

Description

一种海水深度检测方法及装置
技术领域
本发明涉及数据处理技术领域,特别涉及一种海水深度检测方法及装置。
背景技术
在海洋地震勘察勘探中,需要对海底地形进行空间估值,对海底地形进行空间估值的一项重要工作是检测海水的深度。
目前,在需要检测海水深度时,在待测海洋区域内,通过测量仪器分别对每一个检测点的海水深度进行检测。
针对目前检测海水深度的方法,需要通过测量仪器分别对每一个检测点的海水深度进行检测,当检测点的数量较多时需要耗费较长的时间才能完成对各个检测点的海水深度进行检测,导致海水深度检测的效率较低。
发明内容
本发明实施例提供了一种海水深度检测方法及装置,能够提高对海水深度进行检测的效率。
第一方面,本发明实施例提供了一种海水深度检测方法,包括:
在待测海域确定至少两个检测样点,获取每一个所述检测样点的海水深度;
针对所述待测海域中的每一个待检测点,创建位于海平面上的直角坐标系,使得所述待检测点位于所述直角坐标系的原点,并确定各个所述检测样点在所述直角坐标系中的坐标值;
根据各个所述检测样点的所述坐标值和所述海水深度,构建克里金函数;
对所述克里金函数进行求解,获得变量矩阵;
根据所述变量矩阵计算所述待检测点对应的海水深度。
可选地,
所述根据各个所述检测样点的所述坐标值和所述海水深度构建克里金函数,包括:
根据各个所述检测样点对应的所述坐标值和所述海水深度,通过如下变异公式分别计算每一个所述检测样点对应的变异函数;
所述变异公式包括:
根据各个所述检测样点对应的所述变异函数和海水深度,构建如下克里金函数;
所述克里金函数包括:
Kλ=M
其中,所述Z(xi,yj)表征检测样点(xi,yj)对应的海水深度,所述Z[(xi,yj)+h]表征距检测样点(xi,yj)距离等于h的检测样点对应的海水深度,所述γ(xi,yj)表征检测样点(xi,yj)对应的变异函数,所述λ表征所述变量矩阵,所述表征所述待测海域内第i个检测样点到其他各个所述检测样点对应的变异函数值的平均值,所述n表征所述检测样点的总数。
可选地,
所述对所述克里金函数进行求解获得变量矩阵,包括:
S1:对所述克里金函数进行迭代运算,迭代运算后通过如下辅助变量生成公式分别计算所述变量矩阵中每一个元素对应的中间迭代值;
所述辅助变量生成公式包括:
其中,所述表征第k次迭代运算后所述变量矩阵中第i个元素的迭代值,所述表征第k+1次迭代后是上变量矩阵中第j个元素的迭代值,所述表征第k次迭代运算后所述变量矩阵中第j个元素的迭代值,所述表征第k+1次迭代后所述变量矩阵中第i个元素对应的所述中间迭代值,所述k=0,1,2…;
S2:根据所述变量矩阵中各个元素对应的所述中间迭代值,通过如下松弛因子生成公式,计算获得松弛因子;
所述松弛因子生成公式包括:
其中,所述ω表征所述松弛因子;
S3:根据所述松弛因子,通过如下迭代值计算公式分别计算所述变量矩阵中每一个元素对应的迭代值;
所述迭代值计算公式包括:
其中,所述表征第k+1次迭代后所述变量矩阵中第i个元素的迭代值;
S4:根据所述变量矩阵中各个元素对应的所述迭代值,判断所述变量矩阵的解是否达到预先设定的精度要求,如果是,将本次迭代运算结果作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
可选地,
所述S4,包括:
将以各个所述迭代值为相应位置元素的矩阵作为所述变量矩阵的近似解,将所述变量矩阵的近似解直接与预先设定的第一精度要求进行比较,如果所述变量矩阵的近似解已经达到预设的第一精度要求,将所述变量矩阵的近似解作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
可选地,
所述S4,包括:
将以各个所述迭代值为相应位置元素的矩阵作为所述变量矩阵的近似解,将所述变量矩阵的近似解代入余量计算公式r=M-Kλ(k+1),获得相对应的余量矩阵,其中,所述r表征所述余量矩阵,所述λ(k+1)表征所述变量矩阵的近似解;
根据所述余量矩阵r构造余量方程组Kη=r,对所述余量方程组求解获得修正矩阵η;
将所述修正矩阵η代入修正公式获得所述变量矩阵的最终近似解
将所述变量矩阵的最终近似解与预先设定的第二精度要求进行比较,如果所述变量矩阵的最终近似解达到所述第二精度要求,将所述变量矩阵的最终近似解作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
可选地,
所述根据所述变量矩阵计算所述待检测点对应的海水深度,包括:
根据所述变量矩阵所包括的各个元素以及各个所述检测样点对应的海水深度,通过如下海水深度计算公式计算所待检测点对应的海水深度;
所述海水深度计算公式包括:
其中,所述λi表征所述变量矩阵中的第i个元素,所述表征所述待检测点对应的海水深度,所述Z(xi,yj)表征检测样点(xi,yj)对应的海水深度。
第二方面,本发明实施例还提供了一种海水深度检测装置,包括:样点采集单元、坐标划分单元、函数构建单元、函数求解单元和深度估值单元;
所述样点采集单元,用于在待测海域确定至少两个检测样点,获取每一个所述检测样点的海水深度;
所述坐标划分单元,用于针对所述待测海域中的每一个待检测点,创建位于海平面上的直角坐标系,使得所述待检测点位于所述直角坐标系的原点,并确定所述样点采集单元所确定的各个所述检测样点在所述直角坐标系中的坐标值;
所述函数构建单元,用于根据所述坐标划分单元确定出的各个所述检测样点的所述坐标值和所述样点采集单元获取到的所述海水深度,构建克里金函数;
所述函数求解单元,用于对所述函数构建单元所构建的所述克里金函数进行求解,获得变量矩阵;
所述深度估值单元,用于根据所述函数求解单元获取到的所述变量矩阵,计算所述待检测点对应的海水深度。
可选地,
所述函数构建单元,用于根据各个所述检测样点对应的所述坐标值和所述海水深度,通过如下变异公式分别计算每一个所述检测样点对应的变异函数,并根据各个所述检测样点对应的所述变异函数和海水深度,构建如下克里金函数;
所述变异公式包括:
所述克里金函数包括:
Kλ=M
其中,所述Z(xi,yj)表征检测样点(xi,yj)对应的海水深度,所述Z[(xi,yj)+h]表征距检测样点(xi,yj)距离等于h的检测样点对应的海水深度,所述γ(xi,yj)表征检测样点(xi,yj)对应的变异函数,所述λ表征所述变量矩阵,所述表征所述待测海域内第i个检测样点到其他各个所述检测样点对应的变异函数值的平均值,所述n表征所述检测样点的总数。
可选地,
所述函数求解单元用于执行如下操作:
S1:对所述克里金函数进行迭代运算,迭代运算后通过如下辅助变量生成公式分别计算所述变量矩阵中每一个元素对应的中间迭代值;
所述辅助变量生成公式包括:
其中,所述表征第k次迭代运算后所述变量矩阵中第i个元素的迭代值,所述表征第k+1次迭代后是上变量矩阵中第j个元素的迭代值,所述表征第k次迭代运算后所述变量矩阵中第j个元素的迭代值,所述表征第k+1次迭代后所述变量矩阵中第i个元素对应的所述中间迭代值,所述k=0,1,2…;
S2:根据所述变量矩阵中各个元素对应的所述中间迭代值,通过如下松弛因子生成公式,计算获得松弛因子;
所述松弛因子生成公式包括:
其中,所述ω表征所述松弛因子;
S3:根据所述松弛因子,通过如下迭代值计算公式分别计算所述变量矩阵中每一个元素对应的迭代值;
所述迭代值计算公式包括:
其中,所述表征第k+1次迭代后所述变量矩阵中第i个元素的迭代值;
S4:根据所述变量矩阵中各个元素对应的所述迭代值,判断所述变量矩阵的解是否达到预先设定的精度要求,如果是,将本次迭代运算结果作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
可选地,
所述函数求解单元,用于将以各个所述迭代值为相应位置元素的矩阵作为所述变量矩阵的近似解,将所述变量矩阵的近似解直接与预先设定的第一精度要求进行比较,如果所述变量矩阵的近似解已经达到预设的第一精度要求,将所述变量矩阵的近似解作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
可选地,
所述函数求解单元,用于将以各个所述迭代值为相应位置元素的矩阵作为所述变量矩阵的近似解,将所述变量矩阵的近似解代入余量计算公式r=M-Kλ(k+1),获得相对应的余量矩阵,其中,所述r表征所述余量矩阵,所述λ(k+1)表征所述变量矩阵的近似解,并根据所述余量矩阵r构造余量方程组Kη=r,对所述余量方程组求解获得修正矩阵η,将所述修正矩阵η代入修正公式获得所述变量矩阵的最终近似解以及将所述变量矩阵的最终近似解与预先设定的第二精度要求进行比较,如果所述变量矩阵的最终近似解达到所述第二精度要求,将所述变量矩阵的最终近似解作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
可选地,
所述深度估值单元,用于根据所述变量矩阵所包括的各个元素以及各个所述检测样点对应的海水深度,通过如下海水深度计算公式计算所待检测点对应的海水深度;
所述海水深度计算公式包括:
其中,所述λi表征所述变量矩阵中的第i个元素,所述表征所述待检测点对应的海水深度,所述Z(xi,yj)表征检测样点(xi,yj)对应的海水深度。
本发明实施例提供的海水深度检测方法及装置,在待测海域确定多个检测样点并获取到各个检测样点的海水深度后,针对位于待测海域内的每一个待检测点,以该待检测点为原点在海平面上创建直角坐标系,确定各个检测样点在该直角坐标系中的坐标值,根据各个检测样点的坐标值和海水深度构建克里金函数,通过对克里金函数进行求解获得变量矩阵,进而可以通过变量矩阵来计算待检测点的海水深度。由此可见,在待测海域确定一定数量的检测样点,根据各个检测样点的海水深度可以估算出待测海域内任意一点的海水深度,从而无需通过检测仪器检测每一个待检测点的海水深度,在待检测点数量较多时可以节省对海水深度进行检测的时间,提高对海水深度进行检测的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的一种海水深度检测方法的流程图;
图2是本发明一个实施例提供的另一种海水深度检测方法的流程图;
图3是本发明一个实施例提供的一种海水深度检测装置所在设备的示意图;
图4是本发明一个实施例提供的一种海水深度检测装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种海水深度检测方法,该方法可以包括以下步骤:
步骤101:在待测海域确定至少两个检测样点,获取每一个所述检测样点的海水深度;
步骤102:针对所述待测海域中的每一个待检测点,创建位于海平面上的直角坐标系,使得所述待检测点位于所述直角坐标系的原点,并确定各个所述检测样点在所述直角坐标系中的坐标值;
步骤103:根据各个所述检测样点的所述坐标值和所述海水深度,构建克里金函数;
步骤104:对所述克里金函数进行求解,获得变量矩阵;
步骤105:根据所述变量矩阵计算所述待检测点对应的海水深度。
本发明实施例提供了一种海水深度检测方法,在待测海域确定多个检测样点并获取到各个检测样点的海水深度后,针对位于待测海域内的每一个待检测点,以该待检测点为原点在海平面上创建直角坐标系,确定各个检测样点在该直角坐标系中的坐标值,根据各个检测样点的坐标值和海水深度构建克里金函数,通过对克里金函数进行求解获得变量矩阵,进而可以通过变量矩阵来计算待检测点的海水深度。由此可见,在待测海域确定一定数量的检测样点,根据各个检测样点的海水深度可以估算出待测海域内任意一点的海水深度,从而无需通过检测仪器检测每一个待检测点的海水深度,在待检测点数量较多时可以节省对海水深度进行检测的时间,提高对海水深度进行检测的效率。
可选地,如图1所示,步骤103中根据各个检测样点的坐标值和海水深度构建克里金函数时,首先根据各个检测样点的坐标值和海水深度通过如下变异公式计算各个检测样点对应的变异函数,然后将计算出的各个检测样点对应的变异函数作为系数矩阵K的元素而获得系数矩阵K,并根据各个检测样点对应的变异函数获得矩阵M,最后根据系数矩阵K和矩阵M构建克里金函数Kλ=M;
其中,
变异公式包括:
所述Z(xi,yj)表征检测样点(xi,yj)对应的海水深度,所述Z[(xi,yj)+h]表征距检测样点(xi,yj)距离等于h的检测样点对应的海水深度,所述γ(xi,yj)表征检测样点(xi,yj)对应的变异函数,所述λ表征所述变量矩阵,所述表征第i个检测样点到其他各个所述检测样点对应的变异函数值的平均值,所述n表征所述检测样点的总数。
首先,变异函数可以体现海底地形变化的总体趋势,其主要与相对应检测样点与其他各个检测样点之间的距离相关,针对每一个检测样点,将该检测样点与待检测点之间的距离代入变异公式计算出该检测样点对应的变异函数,由各个检测样点对应的变异函数构成系数矩阵K,系数矩阵K反映了待检测点相对于各个检测样点在海水深度上的变化。
其次,在获得各个检测样点对应的变异函数后,根据各个检测样点对应的变异函数可以获得每一个检测样点到其他各个检测样点所对应变异函数值的平均值,由各个检测样点对应的变异函数值的平均值组成矩阵M,由于各个检测样点的坐标和海水深度都是确定的,所以矩阵M也是唯一确定的,因此可以通过矩阵M和系数矩阵K来构建克里金函数,通过对克里金函数进行求解可以获得与待检测点相对应的变量矩阵,从而可以结合各个检测样点的海水深度来对待检测点的海水深度进行估值。
针对每一个待检测点,根据该待检测点相对于各个检测样点的距离,以及各个检测样点的海水深度,构建对应于该待检测点的克里金函数,通过对克里金函数进行求解可以获得与该待检测点相对应的变量矩阵,进而可以将变量矩阵与各个检测样点的海水深度相结合来确定待检测点的海水深度,在无需现场勘测的前提下保证对待检测点的海水深度进行估算的准确性。
可选地,在对克里金函数Kλ=M进行求解时,主要通过迭代运算的方式计算变量矩阵λ的解,具体可以通过以下步骤来实现:
S1:对克里金函数进行迭代运算,迭代运算后通过如下辅助变量生成公式分别计算变量矩阵λ中每一个元素对应的中间迭代值;
辅助变量生成公式包括:
其中,表征第k次迭代运算后变量矩阵中第i个元素的迭代值,表征第k+1次迭代后是上变量矩阵中第j个元素的迭代值,表征第k次迭代运算后变量矩阵中第j个元素的迭代值,表征第k+1次迭代后变量矩阵中第i个元素对应的中间迭代值,k=0,1,2…。
具体地,变量矩阵λ设置有初始值,从变量矩阵λ开始对克里金函数进行迭代运算,每一次迭代运算后通过上述辅助变量生成公式获得变量矩阵λ中每一个元素对应的中间迭代值。
S2:根据变量矩阵中各个元素对应的中间迭代值,将变量矩阵中各个元素对应的中间迭代值代入如下松弛因子生成公式,计算获得松弛因子:
松弛因子生成公式包括:
其中,ω表征松弛因子。
S3:将松弛因子代入如下迭代值计算公式分别计算变量矩阵中每一个元素对应的迭代值;
迭代值计算公式包括:
其中,表征第k+1次迭代后变量矩阵中第i个元素的迭代值。
S4:根据变量矩阵中各个元素对应的迭代值,判断本次迭代运算后变量矩阵是否达到预先设定的精度要求,如果是,将本次迭代运算后所获得的变量矩阵作为变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
为克里金函数中的变量矩阵指定初始值后,开始对克里金函数进行迭代运算,每一次迭代运算后依次执行S1至S4。如果在某一次对克里金函数进行迭代运算所获得的变量矩阵已经达到精度要求后,则将本次迭代运算所获得的变量矩阵作为克里金函数的解,进而通过本次迭代运算所获得的变量矩阵来计算待检测点的海水深度;如果本次迭代运算所获得的变量矩阵没有达到精度要求,则判断已经进行的迭代运算次数是否达到预先设定的迭代总次数,如果已经进行的迭代运算次数没有达到迭代总次数则在本次迭代运算结果的基础上执行S1,进行下一次迭代运算,如果已经进行的迭代运算已经达到迭代总次数则结束当前流程,确认克里金函数无解。
由于针对待测海域中的每一个待检测点都需要构建该待检测点对应的克里金函数,并对该待检测点对应的克里金函数进行求解,当检测样点的数量较多时,克里金方程组会比较庞大,使得克里金方程组为大型稀疏矩阵,容易形成变态线性方程组,此时对克里金函数进行求解的过程对数据扰动非常敏感,数据出现微小波动就会对计算结果造成较大的误差。因此,在每次迭代运算后,通过让数值求解中每一次迭代运算产生近似解的余量平方和最小,以此来自动生成超松弛迭代法中的松弛因子,使得克里金函数可以快速收敛,减少对克里金函数进行求解时所需的迭代次数,缩短对克里金函数进行求解所需的时间,从而可以更快地获取到变量矩阵,有助于提高对海水深度进行检测的效率。
可选地,在每一次对克里金函数进行迭代运算后,需要根据本次迭代运算所获得变量矩阵中各个元素的迭代值判断本次迭代运算所获得的变量矩阵是否已经达到精度要求时,具体可以通过如下两种方式中的任意一种来判断迭代运算所获得的变量矩阵是否达到精度要求:
方式一:直接将获得的变量矩阵与精度要求进行比较,来判断所获得的变量矩阵是否满足精度要求;
方式二:根据获得的变量矩阵获得最终近似解,将最终近似解与精度要求进行比较来判断所获得的变量矩阵是否满足精度要求。
下面对上述两种判断变量矩阵是否达到精度要求的方法进行分别说明:
针对方式一:
在每一次对克里金函数进行迭代计算后,获得本次迭代计算后的变量矩阵,将获得的变量矩阵与预先设定的第一精度要求进行比较,以此来确定本次迭代运算所获得的变量矩阵是否到达精度要求。
针对方式二:
在每一次对克里金函数进行迭代运算后,首先将本次迭代运算后所获得的变量矩阵代入余量计算公式r=M-Kλ(k+1),其中λ(k+1)表征本次迭代运算后所获得的变量矩阵,通过余量计算公式计算出余量矩阵r,然后将余量矩阵r代入余量方程组Kη=r获得修正矩阵η,然后将修正矩阵η代入修正公式获得变量矩阵的最终近似解最后将获得的最终近似解与预先设定的第二精度要求进行比较,如果最终近似解满足第二精度要求则判定本次迭代运算所获得的变量矩阵满足精度要求,将本次迭代运算后所获得的变量矩阵作为克里金函数的解。
方式一提供的方法,在每一次迭代运算后,将迭代运算获得的变量矩阵直接与预先设定的第一精度进行比较,以判断是否已经获得了满足要求的变量矩阵,无需对迭代运算所获得的变量矩阵作进一步处理便可以判断过程,减少求解克里金函数过程中的计算量,可以进一步提高检测海水深度的效率。
方式二提供的方法,在每一次迭代运算后,根据迭代运算所获得的余量矩阵,在根据余量矩阵获得修正矩阵,通过修正矩阵对迭代运算所获得的余量矩阵进行修正,获得与余量矩阵相对应的最终近似解,将最终近似解与预设的第二精度进行比较,以判断是否已经获得了满足精度要求的变量矩阵。通过余量修正法对迭代运算获得的变量矩阵进行修正,可以克服当克里金方程组为病态线性方程组时存在对数据扰动较敏感的缺陷,提升最终所获得变量矩阵的准确性,从而可以提高对海水深度进行检测的准确性。
在具体业务实现过程中,可以根据需求选择上述方式一或方式二所示的方法来确定迭代运算所获得的变量矩阵是否达到用户需求,进而决定是否需要继续对克里金函数进行迭代运算。
可选地,如图1所示,步骤105根据变量矩阵计算待检测点的海水深度时,将变量矩阵所包括的各个元素以及各个检测样点对应的海水深度代入海水深度计算公式计算出待检测点的海水深度,其中,λi表征变量矩阵中的第i个元素,表征待检测点对应的海水深度,Z(xi,yj)表征检测样点(xi,yj)对应的海水深度。
通过对克里金函数进行迭代运算,在确定迭代运算所获得的变量矩阵满足精度要求后,将满足精度要求的变量矩阵包括的各个元素以及各个检测样点的海水深度代入上述海水深度计算公式,便可以估算出待检测点的海水深度,从而无需通过设备仪器对每一个待检测点的海水深度进行勘测,仅需从各个待检测点中确定部分检测样点,通过设备仪器检测出各个检测样点的海水深度后,便可以根据各个检测样点的海水深度来估算其他待检测点的海水深度,提升了对待测海域内海水深度进行检测的效率。
下面结合上述方式二提供的判断方法,对本发明实施例提供的海水深度检测方法作进一步详细说明,如图2所示,该方法可以包括以下步骤:
步骤201:在待测海域上确定至少两个检测样点和至少一个待检测点。
在本发明实施例中,针对一片待测海域,在待测海域上确定至少两个检测样点和至少一个待检测点,检测样点和待检测点都是需要检测海水深度的点,但检测样点需要通过仪器设备检测海水深度,待检测点是可以根据检测样点的海水深度进行海水深度估值的点。
例如,在待测海域V上确定出20个检测样点和80个待检测点。
步骤202:获取各个检测样点对应的海水深度。
在本发明实施例中,通过仪器设备分别在每一个检测样点出勘测待测海域的海水深度,获得每一个检测样点对应的海水深度。
例如,分别在20个检测样点处勘测海水深度,获取到每一个检测样点对应的海水深度。
步骤203:针对每一个待检测点,创建直角坐标系,并确定各个检测样点在该直角坐标系中的坐标值。
在本发明实施例中,针对各个待检测点中的每一个待检测点,以该待检测点为原点在海平面上创建直角坐标系,并分别确定各个检测样点在该直接坐标系中的坐标值。
步骤204:根据检测样点的坐标值和对应的海水深度,构建克里金函数。
在本发明实施例中,针对每一个待检测点,在获取到相对应直接坐标系中各个检测样点的坐标值和海水深度后,将各个检测样点对应的坐标值和海水深度代入如下变异公式获得每一个检测样点对应的变异函数,进而根据各个检测样点对应的变异函数构建克里金函数;
变异公式包括:
克里金函数包括:
Kλ=M
其中,Z(xi,yj)表征检测样点(xi,yj)对应的海水深度,Z[(xi,yj)+h]表征距检测样点(xi,yj)距离等于h的检测样点对应的海水深度,γ(xi,yj)表征检测样点(xi,yj)对应的变异函数,λ表征变量矩阵,表征待测海域内第i个检测样点到其他各个检测样点对应的变异函数值的平均值,n表征检测样点的总数。
例如,针对80个待检测点中的待检测点1,将20个检测样点的坐标值和对应的海水深度代入上述变异公式,分别获得每一个检测样点对应的变异函数,由20个检测样点对应的变异函数获得系数矩阵K和矩阵M,从而构建出对应于待检测点1的克里金函数。其中,n等于20。
步骤205:对克里金函数进行一次迭代运算。
在本发明实施例中,针对每一个待检测点,为了对该待检测点所对应的克里金函数进行求解获得变量矩阵,需要对克里金函数进行迭代运算,每对克里金函数进行一次迭代运算后执行步骤206。
步骤206:获取迭代运算后变量矩阵中每一个元素对应的中间迭代值。
在本发明实施例中,针对每一个待检测点,每一次对该待检测点所对应的克里金函数进行迭代运算后,将本次迭代运算所获得变量矩阵中包括的每一个元素代入如下辅助变量生成公式,获得本次迭代运算所获得变量矩阵中每一个运算对应的中间迭代值;
辅助变量生成公式包括:
其中,表征第k次迭代运算后变量矩阵中第i个元素的迭代值,表征第k+1次迭代后是上变量矩阵中第j个元素的迭代值,表征第k次迭代运算后变量矩阵中第j个元素的迭代值,表征第k+1次迭代后变量矩阵中第i个元素对应的中间迭代值,k=0,1,2…。
步骤207:根据变量矩阵中各个元素对应的中间迭代值计算松弛因子。
在本发明实施例中,针对每一个待检测点,在对相对应克里金函数进行一次迭代运算并获取到本次迭代运算后变量矩阵中每一个运算对应的中间迭代值后,将获取到的本次迭代运算所获得变量矩阵中每一个运算对应的中间迭代值代入如下松弛因子生成公式,获得松弛因子ω;
松弛因子生成公式包括:
步骤208:根据松弛因子计算变量矩阵中各个元素对应的迭代值。
在本发明实施例中,针对每一个待检测点,在对相对应克里金函数进行一次迭代运算并获取到本次迭代运算后的松弛因子ω后,将松弛因子ω代入如下迭代值计算公式,获得本次迭代运算后变量矩阵中每一个运算对应的迭代值;
迭代值计算公式包括:
其中,表征第k+1次迭代后变量矩阵中第i个元素的迭代值。
步骤209:根据变量矩阵中各个元素的迭代值获得余量矩阵。
在本发明实施例中,针对每一个待检测点,在对相对应克里金函数进行一次迭代运算并获取到本次迭代运算后变量矩阵中各个元素的迭代值后,将变量矩阵中各个元素的迭代值代入余量公式r=M-Kλ(k+1),获得相对应的余量矩阵。其中,r表征余量矩阵,λ(k+1)表征变量矩阵的近似解,变量矩阵的近似解中包括变量矩阵中各个元素的迭代值。
步骤210:根据余量矩阵获得修正矩阵。
在本发明实施例中,针对每一个待检测点,在对相对应克里金函数进行一次迭代运算并获取到本次迭代运算后的余量矩阵后,根据余量矩阵r构造余量方程组Kη=r,通过对余量方程组进行求解获得修正矩阵η。
步骤211:通过修正矩阵对变量矩阵的近似解进行修正,获得变量矩阵的最终近似解。
在本发明实施例中,针对每一个待检测点,在对相对应克里金函数进行一次迭代运算并获取到本次迭代运算后的修正矩阵后,将修正矩阵η代入修正公式获得变量矩阵的最终近似解
步骤212:判断变量矩阵的最终近似解是否达到精度要求,如果是,执行步骤214,否则执行步骤213。
在本发明实施例中,预先设定有精度要求,针对每一个待检测点,在对相对应克里金函数进行一次迭代运算并获取到本次迭代运算后变量矩阵的最终近似解后,将获取到的变量矩阵的最终近似解与预先设定的精度要求进行比较,如果变量矩阵的最终近似解满足精度要求,则执行步骤214,否则执行步骤213。
步骤213:判断迭代次数是否达到迭代总次数,如果是,结束当前流程,否则执行步骤205。
在本发明实施例中,如果变量矩阵的最终近似解没有达到精度要求,并且对待检测点所对应克里金函数进行的迭代次数已经达到预先设定的迭代总次数,说明克里金函数无解,结束当前流程;如果变量矩阵的最终近似解没有达到精度要求,但对待检测点所对应克里金函数进行的迭代次数没有经达到预先设定的迭代总次数,执行步骤205对待检测点所对应克里金函数进行下一次迭代运算。
步骤214:根据变量矩阵的最终近似解计算待检测点的海水深度。
在本发明实施例中,针对每一个待检测点,在对相对应克里金函数进行一次迭代运算并确定本次迭代运算后所获得变量矩阵的最终近似解满足精度要求后,将变量矩阵的最终近似解和各个检测样点的海水深度代入如下海水深度计算公式,获得该待检测点的海水深度;
海水深度计算公式包括:
其中,λi表征变量矩阵最终近似解中的第i个元素,表征待检测点对应的海水深度,Z(xi,yj)表征检测样点(xi,yj)对应的海水深度。
如图3、图4所示,本发明实施例提供了一种海水深度检测装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图3所示,为本发明实施例提供的海水深度检测装置所在设备的一种硬件结构图,除了图3所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图4所示,作为一个逻辑意义上的装置,是通过其所在设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。本实施例提供的海水深度检测装置,包括:样点采集单元401、坐标划分单元402、函数构建单元403、函数求解单元404和深度估值单元405;
样点采集单元401,用于在待测海域确定至少两个检测样点,获取每一个检测样点的海水深度;
坐标划分单元402,用于针对待测海域中的每一个待检测点,创建位于海平面上的直角坐标系,使得待检测点位于直角坐标系的原点,并确定样点采集单元401所确定的各个检测样点在直角坐标系中的坐标值;
函数构建单元403,用于根据坐标划分单元402确定出的各个检测样点的坐标值和样点采集单元401获取到的海水深度,构建克里金函数;
函数求解单元404,用于对函数构建单元403所构建的克里金函数进行求解,获得变量矩阵;
深度估值单元405,用于根据函数求解单元404获取到的变量矩阵,计算待检测点对应的海水深度。
可选地,如图4所示,
函数构建单元403,用于根据各个检测样点对应的坐标值和海水深度,通过如下变异公式分别计算每一个检测样点对应的变异函数,并根据各个检测样点对应的变异函数和海水深度,构建如下克里金函数;
变异公式包括:
克里金函数包括:
Kλ=M
其中,Z(xi,yj)表征检测样点(xi,yj)对应的海水深度,Z[(xi,yj)+h]表征距检测样点(xi,yj)距离等于h的检测样点对应的海水深度,γ(xi,yj)表征检测样点(xi,yj)对应的变异函数,λ表征变量矩阵,表征待测海域内第i个检测样点到其他各个检测样点对应的变异函数值的平均值,n表征检测样点的总数。
可选地,如图4所示,
函数求解单元404用于执行如下操作:
S1:对克里金函数进行迭代运算,迭代运算后通过如下辅助变量生成公式分别计算变量矩阵中每一个元素对应的中间迭代值;
辅助变量生成公式包括:
其中,表征第k次迭代运算后变量矩阵中第i个元素的迭代值,表征第k+1次迭代后是上变量矩阵中第j个元素的迭代值,表征第k次迭代运算后变量矩阵中第j个元素的迭代值,表征第k+1次迭代后变量矩阵中第i个元素对应的中间迭代值,k=0,1,2…;
S2:根据变量矩阵中各个元素对应的中间迭代值,通过如下松弛因子生成公式,计算获得松弛因子;
松弛因子生成公式包括:
其中,ω表征松弛因子;
S3:根据松弛因子,通过如下迭代值计算公式分别计算变量矩阵中每一个元素对应的迭代值;
迭代值计算公式包括:
其中,表征第k+1次迭代后变量矩阵中第i个元素的迭代值;
S4:根据变量矩阵中各个元素对应的迭代值,判断变量矩阵的解是否达到预先设定的精度要求,如果是,将本次迭代运算结果作为变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
可选地,如图4所示,
函数求解单元404,用于将以各个迭代值为相应位置元素的矩阵作为变量矩阵的近似解,将变量矩阵的近似解直接与预先设定的第一精度要求进行比较,如果变量矩阵的近似解已经达到预设的第一精度要求,将变量矩阵的近似解作为变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
可选地,如图4所示,
函数求解单元404,用于将以各个迭代值为相应位置元素的矩阵作为变量矩阵的近似解,将变量矩阵的近似解代入余量计算公式r=M-Kλ(k+1),获得相对应的余量矩阵,其中,r表征余量矩阵,λ(k+1)表征变量矩阵的近似解,并根据余量矩阵r构造余量方程组Kη=r,对余量方程组求解获得修正矩阵η,将修正矩阵η代入修正公式获得变量矩阵的最终近似解以及将变量矩阵的最终近似解与预先设定的第二精度要求进行比较,如果变量矩阵的最终近似解达到第二精度要求,将变量矩阵的最终近似解作为变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
可选地,如图4所示,
深度估值单元405,用于根据变量矩阵所包括的各个元素以及各个检测样点对应的海水深度,通过如下海水深度计算公式计算所待检测点对应的海水深度;
海水深度计算公式包括:
其中,λi表征变量矩阵中的第i个元素,表征待检测点对应的海水深度,Z(xi,yj)表征检测样点(xi,yj)对应的海水深度。
需要说明的是,上述装置内的各单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明实施例还提供了一种可读介质,包括执行指令,当存储控制器的处理器执行所述执行指令时,所述存储控制器执行上述各个实施例提供的海水深度检测方法。
本发明实施例还提供了一种存储控制器,包括:处理器、存储器和总线;
所述存储器用于存储执行指令,所述处理器与所述存储器通过所述总线连接,当所述存储控制器运行时,所述处理器执行所述存储器存储的所述执行指令,以使所述存储控制器执行上述各个实施例提供的海水深度检测方法。
综上所述,本发明各个实施例提供的海水深度检测方法及装置,至少具有如下有益效果:
1、在本发明实施例中,在待测海域确定多个检测样点并获取到各个检测样点的海水深度后,针对位于待测海域内的每一个待检测点,以该待检测点为原点在海平面上创建直角坐标系,确定各个检测样点在该直角坐标系中的坐标值,根据各个检测样点的坐标值和海水深度构建克里金函数,通过对克里金函数进行求解获得变量矩阵,进而可以通过变量矩阵来计算待检测点的海水深度。由此可见,在待测海域确定一定数量的检测样点,根据各个检测样点的海水深度可以估算出待测海域内任意一点的海水深度,从而无需通过检测仪器检测每一个待检测点的海水深度,在待检测点数量较多时可以节省对海水深度进行检测的时间,提高对海水深度进行检测的效率。
2、在本发明实施例中,针对每一个待检测点,根据该待检测点相对于各个检测样点的距离,以及各个检测样点的海水深度,构建对应于该待检测点的克里金函数,通过对克里金函数进行求解可以获得与该待检测点相对应的变量矩阵,进而可以将变量矩阵与各个检测样点的海水深度相结合来确定待检测点的海水深度,在无需现场勘测的前提下保证对待检测点的海水深度进行估算的准确性。
3、在本发明实施例中,在每次迭代运算后,通过让数值求解中每一次迭代运算产生近似解的余量平方和最小,以此来自动生成超松弛迭代法中的松弛因子,使得克里金函数可以快速收敛,减少对克里金函数进行求解时所需的迭代次数,缩短对克里金函数进行求解所需的时间,从而可以更快地获取到变量矩阵,有助于提高对海水深度进行检测的效率。
4、在本发明实施例中,在每一次迭代运算后,根据迭代运算所获得的余量矩阵,在根据余量矩阵获得修正矩阵,通过修正矩阵对迭代运算所获得的余量矩阵进行修正,获得与余量矩阵相对应的最终近似解,将最终近似解与预设的第二精度进行比较,以判断是否已经获得了满足精度要求的变量矩阵。通过余量修正法对迭代运算获得的变量矩阵进行修正,可以克服当克里金方程组为病态线性方程组时存在对数据扰动较敏感的缺陷,提升最终所获得变量矩阵的准确性,从而可以提高对海水深度进行检测的准确性。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个〃····〃”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。

Claims (10)

1.一种海水深度检测方法,其特征在于,包括:
在待测海域确定至少两个检测样点,获取每一个所述检测样点的海水深度;
针对所述待测海域中的每一个待检测点,创建位于海平面上的直角坐标系,使得所述待检测点位于所述直角坐标系的原点,并确定各个所述检测样点在所述直角坐标系中的坐标值;
根据各个所述检测样点的所述坐标值和所述海水深度,构建克里金函数;
对所述克里金函数进行求解,获得变量矩阵;
根据所述变量矩阵计算所述待检测点对应的海水深度。
2.根据权利要求1所述的方法,其特征在于,所述根据各个所述检测样点的所述坐标值和所述海水深度构建克里金函数,包括:
根据各个所述检测样点对应的所述坐标值和所述海水深度,通过如下变异公式分别计算每一个所述检测样点对应的变异函数;
所述变异公式包括:
根据各个所述检测样点对应的所述变异函数和海水深度,构建如下克里金函数;
所述克里金函数包括:
Kλ=M
其中,
所述Z(xi,yj)表征检测样点(xi,yj)对应的海水深度,所述Z[(xi,yj)+h]表征距检测样点(xi,yj)距离等于h的检测样点对应的海水深度,所述γ(xi,yj)表征检测样点(xi,yj)对应的变异函数,所述λ表征所述变量矩阵,所述表征所述待测海域内第i个检测样点到其他各个所述检测样点对应的变异函数值的平均值,所述n表征所述检测样点的总数。
3.根据权利要求2所述的方法,其特征在于,所述对所述克里金函数进行求解获得变量矩阵,包括:
S1:对所述克里金函数进行迭代运算,迭代运算后通过如下辅助变量生成公式分别计算所述变量矩阵中每一个元素对应的中间迭代值;
所述辅助变量生成公式包括:
其中,所述表征第k次迭代运算后所述变量矩阵中第i个元素的迭代值,所述表征第k+1次迭代后是上变量矩阵中第j个元素的迭代值,所述表征第k次迭代运算后所述变量矩阵中第j个元素的迭代值,所述表征第k+1次迭代后所述变量矩阵中第i个元素对应的所述中间迭代值,所述k=0,1,2…;
S2:根据所述变量矩阵中各个元素对应的所述中间迭代值,通过如下松弛因子生成公式,计算获得松弛因子;
所述松弛因子生成公式包括:
其中,所述ω表征所述松弛因子;
S3:根据所述松弛因子,通过如下迭代值计算公式分别计算所述变量矩阵中每一个元素对应的迭代值;
所述迭代值计算公式包括:
其中,所述表征第k+1次迭代后所述变量矩阵中第i个元素的迭代值;
S4:根据所述变量矩阵中各个元素对应的所述迭代值,判断所述变量矩阵的解是否达到预先设定的精度要求,如果是,将本次迭代运算结果作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
4.根据权利要求3所述的方法,其特征在于,所述S4,包括:
将以各个所述迭代值为相应位置元素的矩阵作为所述变量矩阵的近似解,将所述变量矩阵的近似解直接与预先设定的第一精度要求进行比较,如果所述变量矩阵的近似解已经达到预设的第一精度要求,将所述变量矩阵的近似解作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算;
或者,
将以各个所述迭代值为相应位置元素的矩阵作为所述变量矩阵的近似解,将所述变量矩阵的近似解代入余量计算公式r=M-Kλ(k+1),获得相对应的余量矩阵,其中,所述r表征所述余量矩阵,所述λ(k+1)表征所述变量矩阵的近似解;
根据所述余量矩阵r构造余量方程组Kη=r,对所述余量方程组求解获得修正矩阵η;
将所述修正矩阵η代入修正公式获得所述变量矩阵的最终近似解
将所述变量矩阵的最终近似解与预先设定的第二精度要求进行比较,如果所述变量矩阵的最终近似解达到所述第二精度要求,将所述变量矩阵的最终近似解作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
5.根据权利要求1至4中任一所述的方法,其特征在于,所述根据所述变量矩阵计算所述待检测点对应的海水深度,包括:
根据所述变量矩阵所包括的各个元素以及各个所述检测样点对应的海水深度,通过如下海水深度计算公式计算所待检测点对应的海水深度;
所述海水深度计算公式包括:
其中,所述λi表征所述变量矩阵中的第i个元素,所述表征所述待检测点对应的海水深度,所述Z(xi,yj)表征检测样点(xi,yj)对应的海水深度。
6.一种海水深度检测装置,其特征在于,包括:样点采集单元、坐标划分单元、函数构建单元、函数求解单元和深度估值单元;
所述样点采集单元,用于在待测海域确定至少两个检测样点,获取每一个所述检测样点的海水深度;
所述坐标划分单元,用于针对所述待测海域中的每一个待检测点,创建位于海平面上的直角坐标系,使得所述待检测点位于所述直角坐标系的原点,并确定所述样点采集单元所确定的各个所述检测样点在所述直角坐标系中的坐标值;
所述函数构建单元,用于根据所述坐标划分单元确定出的各个所述检测样点的所述坐标值和所述样点采集单元获取到的所述海水深度,构建克里金函数;
所述函数求解单元,用于对所述函数构建单元所构建的所述克里金函数进行求解,获得变量矩阵;
所述深度估值单元,用于根据所述函数求解单元获取到的所述变量矩阵,计算所述待检测点对应的海水深度。
7.根据权利要求6所述的装置,其特征在于,
所述函数构建单元,用于根据各个所述检测样点对应的所述坐标值和所述海水深度,通过如下变异公式分别计算每一个所述检测样点对应的变异函数,并根据各个所述检测样点对应的所述变异函数和海水深度,构建如下克里金函数;
所述变异公式包括:
所述克里金函数包括:
Kλ=M
其中,所述Z(xi,yj)表征检测样点(xi,yj)对应的海水深度,所述Z[(xi,yj)+h]表征距检测样点(xi,yj)距离等于h的检测样点对应的海水深度,所述γ(xi,yj)表征检测样点(xi,yj)对应的变异函数,所述λ表征所述变量矩阵,所述表征所述待测海域内第i个检测样点到其他各个所述检测样点对应的变异函数值的平均值,所述n表征所述检测样点的总数。
8.根据权利要求7所述的装置,其特征在于,所述函数求解单元用于执行如下操作:
S1:对所述克里金函数进行迭代运算,迭代运算后通过如下辅助变量生成公式分别计算所述变量矩阵中每一个元素对应的中间迭代值;
所述辅助变量生成公式包括:
其中,所述表征第k次迭代运算后所述变量矩阵中第i个元素的迭代值,所述表征第k+1次迭代后是上变量矩阵中第j个元素的迭代值,所述表征第k次迭代运算后所述变量矩阵中第j个元素的迭代值,所述表征第k+1次迭代后所述变量矩阵中第i个元素对应的所述中间迭代值,所述k=0,1,2…;
S2:根据所述变量矩阵中各个元素对应的所述中间迭代值,通过如下松弛因子生成公式,计算获得松弛因子;
所述松弛因子生成公式包括:
其中,所述ω表征所述松弛因子;
S3:根据所述松弛因子,通过如下迭代值计算公式分别计算所述变量矩阵中每一个元素对应的迭代值;
所述迭代值计算公式包括:
其中,所述表征第k+1次迭代后所述变量矩阵中第i个元素的迭代值;
S4:根据所述变量矩阵中各个元素对应的所述迭代值,判断所述变量矩阵的解是否达到预先设定的精度要求,如果是,将本次迭代运算结果作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
9.根据权利要求8所述的装置,其特征在于,
所述函数求解单元,用于将以各个所述迭代值为相应位置元素的矩阵作为所述变量矩阵的近似解,将所述变量矩阵的近似解直接与预先设定的第一精度要求进行比较,如果所述变量矩阵的近似解已经达到预设的第一精度要求,将所述变量矩阵的近似解作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算;
或者,
所述函数求解单元,用于将以各个所述迭代值为相应位置元素的矩阵作为所述变量矩阵的近似解,将所述变量矩阵的近似解代入余量计算公式r=M-Kλ(k+1),获得相对应的余量矩阵,其中,所述r表征所述余量矩阵,所述λ(k+1)表征所述变量矩阵的近似解,并根据所述余量矩阵r构造余量方程组Kη=r,对所述余量方程组求解获得修正矩阵η,将所述修正矩阵η代入修正公式获得所述变量矩阵的最终近似解以及将所述变量矩阵的最终近似解与预先设定的第二精度要求进行比较,如果所述变量矩阵的最终近似解达到所述第二精度要求,将所述变量矩阵的最终近似解作为所述变量矩阵的解,否则在迭代次数没有达到预设迭代总次数时执行S1进行下一次迭代运算。
10.根据权利要求6至9中任一所述的装置,其特征在于,
所述深度估值单元,用于根据所述变量矩阵所包括的各个元素以及各个所述检测样点对应的海水深度,通过如下海水深度计算公式计算所待检测点对应的海水深度;
所述海水深度计算公式包括:
其中,所述λi表征所述变量矩阵中的第i个元素,所述表征所述待检测点对应的海水深度,所述Z(xi,yj)表征检测样点(xi,yj)对应的海水深度。
CN201711457725.3A 2017-12-28 2017-12-28 一种海水深度检测方法及装置 Pending CN108332722A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711457725.3A CN108332722A (zh) 2017-12-28 2017-12-28 一种海水深度检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711457725.3A CN108332722A (zh) 2017-12-28 2017-12-28 一种海水深度检测方法及装置

Publications (1)

Publication Number Publication Date
CN108332722A true CN108332722A (zh) 2018-07-27

Family

ID=62924440

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711457725.3A Pending CN108332722A (zh) 2017-12-28 2017-12-28 一种海水深度检测方法及装置

Country Status (1)

Country Link
CN (1) CN108332722A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807886A (zh) * 2021-08-30 2021-12-17 浪潮卓数大数据产业发展有限公司 一种自动预测电商销售额的装置及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006047700A (ja) * 2004-08-05 2006-02-16 Hitachi Ltd 3次元海底地形図表示装置及び方法
CN103914618A (zh) * 2014-03-28 2014-07-09 哈尔滨工程大学 一种基于电子海图的海水深度等值线生成方法
CN104778331A (zh) * 2015-04-24 2015-07-15 浙江工业大学 一种大跨桥梁监测数据空间插值方法
CN105242306A (zh) * 2015-09-08 2016-01-13 电子科技大学 基于空间克里金插值的高精度多波匹配方法
CN105653501A (zh) * 2015-12-29 2016-06-08 中国科学院东北地理与农业生态研究所 一种加速克里金插值的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006047700A (ja) * 2004-08-05 2006-02-16 Hitachi Ltd 3次元海底地形図表示装置及び方法
CN103914618A (zh) * 2014-03-28 2014-07-09 哈尔滨工程大学 一种基于电子海图的海水深度等值线生成方法
CN104778331A (zh) * 2015-04-24 2015-07-15 浙江工业大学 一种大跨桥梁监测数据空间插值方法
CN105242306A (zh) * 2015-09-08 2016-01-13 电子科技大学 基于空间克里金插值的高精度多波匹配方法
CN105653501A (zh) * 2015-12-29 2016-06-08 中国科学院东北地理与农业生态研究所 一种加速克里金插值的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘承香 等: "基于Kriging 插值的数字地图生成算法研究", 《深圳大学学报理工版》 *
杨继业,李雨青: "基于最小二乘法的SOR法松弛因子自动生成算法", 《赣南师范学院学报》 *
王海栋: "多波束系统测深异常处理理论与方法研究", 《CNKI 中国优秀硕士学位论文全文数据库 基础科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807886A (zh) * 2021-08-30 2021-12-17 浪潮卓数大数据产业发展有限公司 一种自动预测电商销售额的装置及方法

Similar Documents

Publication Publication Date Title
US20130262068A1 (en) Sensor placement for leakage location in liquid distribution networks
Zhang et al. Identifying parameter errors via multiple measurement scans
Briere et al. Morphological modeling of bar dynamics with DELFT3d: the quest for optimal free parameter settings using an automatic calibration technique
Berglund et al. Successive linear approximation methods for leak detection in water distribution systems
Ban et al. Applying instream flow incremental method for the spawning habitat protection of Chinese sturgeon (Acipenser sinensis)
JP6370525B1 (ja) 浸水予測システム、予測方法、プログラム
Robertson et al. Assessment of experimental uncertainty for a floating wind semisubmersible under hydrodynamic loading
CN108446231A (zh) 一种基于风险分析的协议一致性测试用例优先排序方法
CN111382472A (zh) 随机森林融合svm预测盾构引起近接结构变形方法及装置
CN110163287A (zh) 一种中尺度涡检测方法及装置
Akinci et al. Ensemble smoothed seismicity models for the new Italian probabilistic seismic hazard map
CN114491386B (zh) 一种基于海气温差的海浪有效波高订正方法、装置、计算机设备和存储介质
CN109254924A (zh) 一种软件故障定位方法、装置、设备及可读存储介质
CN108332722A (zh) 一种海水深度检测方法及装置
WO2020191896A1 (zh) 一种树木纵截面内部缺陷成像方法
Kamiński et al. Local variance factors in deformation analysis of non-homogenous monitoring networks
Kosheleva et al. Estimation of acoustic and oceanological seawater characteristics by temperature measurements in the Sea of Japan shelf zone
Church Multibeam sonar ray-tracing uncertainty evaluation from a hydrodynamic model in a highly stratified estuary
CN113050191B (zh) 基于双参数的页岩油toc预测方法及装置
US10565325B1 (en) Systems and methods for parameter fitting and passivity enforcement for multi-port electronic devices
CN110083849A (zh) 半导体制造设备的软测量方法、计算机和计算机可读介质
CN112925018B (zh) 一种异常压力成因判别方法及装置
Lin et al. Predictive capability and maturity assessment with bayesian network
Ette et al. Influence of inter-animal variability on the estimation of population pharmacokinetic parameters in preclinical studies
CN111667112A (zh) 一种渔业资源丰度灰色预测模型优化方法及其应用

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180727