CN108628804A - 面向长时间跨度复杂海流数据拉格朗日拟序结构快速计算方法 - Google Patents

面向长时间跨度复杂海流数据拉格朗日拟序结构快速计算方法 Download PDF

Info

Publication number
CN108628804A
CN108628804A CN201810322346.1A CN201810322346A CN108628804A CN 108628804 A CN108628804 A CN 108628804A CN 201810322346 A CN201810322346 A CN 201810322346A CN 108628804 A CN108628804 A CN 108628804A
Authority
CN
China
Prior art keywords
tensor field
integral
coherent structure
lcs
tensor
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
CN201810322346.1A
Other languages
English (en)
Inventor
田丰林
刘潇
何遒
陈戈
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.)
Ocean University of China
Qingdao National Laboratory for Marine Science and Technology Development Center
Original Assignee
Ocean University of China
Qingdao National Laboratory for Marine Science and Technology Development Center
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 Ocean University of China, Qingdao National Laboratory for Marine Science and Technology Development Center filed Critical Ocean University of China
Priority to CN201810322346.1A priority Critical patent/CN108628804A/zh
Publication of CN108628804A publication Critical patent/CN108628804A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明针对基于海洋数据的拉格朗日拟序结构提取，研究快速计算不同时间尺度、大范围、不同时间间隔张量场和快速提取拉格朗日拟序结构的方法，方法内容新颖，目标明确，对繁冗的积分过程有借鉴意义。同时，结构化常微分方程求解、张量场计算和拉格朗日拟序结构提取过程，有着很好的鲁棒性和便捷性。

Description

面向长时间跨度复杂海流数据拉格朗日拟序结构快速计算 方法
技术领域
本发明基于海洋表面遥感数据结合张量分析相关研究进行大数据分析，属于张量分析和物理海洋交叉学科领域。
背景技术
在湍流中，拉格朗日拟序结构（Lagrangian Coherent Structure,简称LCS）能很好的代表物质被裹挟运输能力，对研究海洋流系结构，探索温盐等物质运输过程带来的气候变化有着重要意义。
目前，计算LCS所需张量场依赖于常微分方程的求解，而基于固定步长求解常微分方程主要分为以下两种方法：
（1）欧拉法，该方法是解初值问题最简单的数值方法，由近似于曲线的折线获得下一个点，计算工作量小，但精度很低；
（2）龙格库塔积分法，该方法主要分为二阶、三阶、四阶法，二阶龙格库塔法是指在定义域内取两点，以两点处斜率值的线性组合来求取斜率近似值，从而进行积分。三阶在二阶基础上进一步提高精度，四阶龙格库塔积分需要输入步长、初始值和积分步数，基于泰勒展开，求解常微分方程，有良好的精度和可编程性。
综合两种方法的优缺点，选择四阶龙格库塔积分作为计算张量场的最佳计算方法，该方法能在保证精度的情况下，高效求解常微分方程。
目前的LCS提取过程过于繁冗，对于同一张量场进行分析，往往需要重复相同的积 分计算，而积分耗时很长，柯西格林应变张量场计算不能累加，算法复杂度O(),而针对区 域甚至全球的拉格朗日拟序结构提取，算法复杂度将呈倍数增长，这样的计算步骤大大延 缓了科研进程。故本发明首先将龙格库塔积分和张量场计算分开，单独计算短时间间隔积 分△x，从而实现基于同一套数据，不同时间尺度张量场的快速计算，加速LCS计算过程，算 法复杂度降低至O(n)。其次，本发明设计了合适的配置文件用于输出张量场特征值和特征 向量，在计算LCS时直接读取配置文件，进一步减少积分耗时。
发明内容
本发明的目的是提出一种根据海洋速度场快速提取LCS的方法，通过计算短时间间隔龙格库塔积分，用以在大数据基础上，快速获得长时间尺度张量场，从而高效地、客观地、自动化地模拟全球海洋流系结构。
本发明的技术方案包括如下步骤：
1.基于速度场和细分网格的常微分方程求解
在整个张量场计算流程中，求解常微分方程耗时最长，但又是必不可少的一部分，且对于LCS而言，整个结果对初始值的设置非常敏感，不断调整初始值和积分范围会延长计算过程，浪费人力物力。本发明旨在基于计算短时间间隔积分△x，实现大范围、长时间尺度、不同时间间隔张量场的快速计算；
主要涉及问题如下：
a.如何求解常微分方程；
b.如何输出△x配置文件；
2.基于积分结果的张量场计算和拉格朗日拟序结构提取
读取保存的短时间间隔△x配置文件，与网格数据累加计算张量场，从而获得特征向量和特征值，在设置计算LCS的参数后，即可提取基于海洋数据的拉格朗日拟序结构；
主要涉及问题如下：
a.如何通过配置文件获取规定时间间隔内的积分结果。
附图说明
图1 基于短时间间隔积分的张量场计算流程
图2拉格朗日拟序结构提取流程
图3数据输入与文件输入流程。
具体实施方式
1.基于速度场和细分网格的常微分方程求解
常微分方程的解法多种多样，但考虑求解精度、稳定性和易读性，本发明选择经典的四阶龙格库塔积分方法，该方法由数学家C.Runge和M.W.Kutta在1900年左右创造，有着良好的稳定性和易编程性，同时用户可以规定适合的积分步长来控制精度。
基于AVISO的速度场数据（M）SLA或（M）ADT，选择u、v波段读入，供积分使用。定义经纬度和分辨率进行网格划分，首先按均分方式获得初始网格，然后定义细分网格和初始网格间隔，对每个网格点进行细分,从而获得细分网格。
将细分网格数据作为参数输入求解函数，对求解过程中时间循环的积分起止点和积分间隔进行控制，积分起止点代表所选择具体时间尺度的速度场，用于计算柯西格林应变张量，积分间隔代表短时间积分△x的时间间隔，最低间隔为数据本身的时间分辨率，以便用户需要进行不同时间尺度的张量场计算（如图1），当时间步长设置较小时，则需进行插值计算，该方法能将特征明显的区域进行细化，以得到更为丰富的细节信息。
本发明剥离积分和张量场计算的中间过程，将其改为计算不同短时间积分△x，并以配置文件形式输出（如图2）。该方法能将耗时较长的积分步骤离散化，简化张量场繁冗的计算过程，算法复杂度将大大降低。
2.基于积分结果的张量场计算和拉格朗日拟序结构提取
首先，读取积分保存出的配置文件，将其与网格数据匹配生成形变梯度矩阵，从而计算张量场特征值和特征向量。然后，将特征值和特征向量保存至配置文件（如图2），代表张量场的计算完成，根据固定张量场，可以提取不同区域，不同类型的拉格朗日拟序结构。根据海洋数据和该方法进行计算，得出张量场配置文件，根据同一配置文件可以分别计算椭圆形LCS、双曲线型LCS和抛物线形LCS，生成海洋流系结构（如图3），其中椭圆形LCS能很好的反应海洋涡旋结构，双曲线型LCS能勾画海流边界，计算出的LCS在反映海洋物质输运结构上有着突出的作用，抛物线形LCS能提取海流主轴，叠加卫星或浮标等传感器观测数据进行海洋物质输运结构的模拟，对人们更进一步探索海洋、认识海洋有着重要意义。这样的方法可以大大缩短需要不停计算张量场所花费的冗余时间，加速同一时间尺度张量场的不同分析进程，节省人、物和财力。同时，通过并行算法能更大程度上节省计算所需时间，实现批量张量场计算，也能发挥离散化数据处理流程的最大作用。

Claims (3)

1.拉格朗日拟序结构快速计算方法其主要特征如下:
（1）基于速度场和细分网格的常微分方程求解；
（2）基于积分结果的张量场计算和拉格朗日拟序结构提取。
2.根据权利要求1所述在建立细分网格的基础上，读入分波段遥感数据，将网格数据、积分步长、积分时间间隔和时间尺度作为参数输入，进行四阶龙格库塔积分，求解微分方程，
将积分过程中短时间间隔积分△x输出至配置文件，并对每个文件进行同规则命名以方便读取，
分离积分和张量场计算中间步骤，节省重复的张量场计算时间，建立短时间积分和长时间尺度张量场计算之间的关系，为快速计算不同时间尺度张量场提供一条捷径。
3.根据权利要求2通过交互对不同时间尺度的短时间积分配置文件进行读取，并将其与网格数据匹配，生成计算张量场的参数，从而计算特征值与特征向量，
将特征值和特征向量保存成可供绘制张量场的配置文件，方便在需要对同一张量场进行不同区域或不同结构分析时的积分计算，
根据海洋数据生成的张量场提取拉格朗日拟序结构（Lagrangian CoherentStructure,简称LCS），计算椭圆形LCS、双曲线型LCS和抛物线性LCS，完成对海洋流系结构的提取，建立张量场计算和LCS计算之间的关系。
CN201810322346.1A 2018-04-11 2018-04-11 面向长时间跨度复杂海流数据拉格朗日拟序结构快速计算方法 Pending CN108628804A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810322346.1A CN108628804A (zh) 2018-04-11 2018-04-11 面向长时间跨度复杂海流数据拉格朗日拟序结构快速计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810322346.1A CN108628804A (zh) 2018-04-11 2018-04-11 面向长时间跨度复杂海流数据拉格朗日拟序结构快速计算方法

Publications (1)

Publication Number Publication Date
CN108628804A true CN108628804A (zh) 2018-10-09

Family

ID=63704942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810322346.1A Pending CN108628804A (zh) 2018-04-11 2018-04-11 面向长时间跨度复杂海流数据拉格朗日拟序结构快速计算方法

Country Status (1)

Country Link
CN (1) CN108628804A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110781446A (zh) * 2019-09-20 2020-02-11 中国海洋大学 海洋中尺度涡旋拉格朗日平均涡度偏差快速计算方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120029824A1 (en) * 2011-07-25 2012-02-02 General Electric Company System and method for identifying regions of distinct wind flow
CN102439578A (zh) * 2009-03-18 2012-05-02 丛林网络公司 动态可变速率媒体传送系统
CN102820649A (zh) * 2012-04-09 2012-12-12 华北电力大学 Rtds-ems系统级闭环控制实验仿真平台搭建方法
CN105975437A (zh) * 2016-03-29 2016-09-28 中国海洋大学 二维洋流拉格朗日拟序结构分析算法
CN106055890A (zh) * 2016-05-26 2016-10-26 北京航空航天大学 一种使用gpu加速lcs计算的方法
CN107784129A (zh) * 2016-08-24 2018-03-09 中国海洋大学 基于客观欧拉相干结构的时间连续流场结构分析技术

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102439578A (zh) * 2009-03-18 2012-05-02 丛林网络公司 动态可变速率媒体传送系统
US20120029824A1 (en) * 2011-07-25 2012-02-02 General Electric Company System and method for identifying regions of distinct wind flow
CN102820649A (zh) * 2012-04-09 2012-12-12 华北电力大学 Rtds-ems系统级闭环控制实验仿真平台搭建方法
CN105975437A (zh) * 2016-03-29 2016-09-28 中国海洋大学 二维洋流拉格朗日拟序结构分析算法
CN106055890A (zh) * 2016-05-26 2016-10-26 北京航空航天大学 一种使用gpu加速lcs计算的方法
CN107784129A (zh) * 2016-08-24 2018-03-09 中国海洋大学 基于客观欧拉相干结构的时间连续流场结构分析技术

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MOHAMMAD FARAZMAND等: "Attracting and repelling Lagrangian coherent structures from a single computation", 《HTTPS://ARXIV.ORG/PDF/1301.4951》 *
程怀玉等: "基于欧拉－拉格朗日观点的三维非定常空化流动研究", 《第十四届全国水动力学学术会议暨第二十八届全国水动力学研讨会文集》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110781446A (zh) * 2019-09-20 2020-02-11 中国海洋大学 海洋中尺度涡旋拉格朗日平均涡度偏差快速计算方法

Similar Documents

Publication Publication Date Title
Szunyogh et al. Assessing a local ensemble Kalman filter: Perfect model experiments with the National Centers for Environmental Prediction global model
David et al. River network routing on the NHDPlus dataset
Gao et al. A hierarchy-based solution to calculate the configurational entropy of landscape gradients
Matsushita et al. Characterizing the changes in landscape structure in the Lake Kasumigaura Basin, Japan using a high-quality GIS dataset
Cummings et al. Variational data assimilation for the global ocean
Wu et al. A novel kernel extreme learning machine model coupled with K-means clustering and firefly algorithm for estimating monthly reference evapotranspiration in parallel computation
CN106548016A (zh) 基于张量时域相关性分解模型的时间序列分析方法
CN111382676A (zh) 一种基于注意力机制的沙粒图像分类方法
CN112699959A (zh) 基于能量泛函模型的多源多尺度降水数据融合方法和装置
CN104156943A (zh) 基于非支配邻域免疫算法的多目标模糊聚类图像变化检测方法
CN117933095B (zh) 一种基于机器学习的地表发射率实时反演及同化方法
CN108628804A (zh) 面向长时间跨度复杂海流数据拉格朗日拟序结构快速计算方法
Zhang et al. Sensitivity of western boundary transport at the mean North Equatorial Current bifurcation latitude to wind forcing
Galanis et al. A new methodology for the extension of the impact of data assimilation on ocean wave prediction
CN106528679A (zh) 基于多线性自回归模型的时间序列分析方法
CN114707635A (zh) 基于网络架构搜索的模型构建方法、装置及存储介质
Titov et al. Regional climate model for the lower volga: Parallelization efficiency estimation
JP7310912B2 (ja) ３次元点群ラベル学習装置、３次元点群ラベル推定装置、方法、及びプログラム
Lin et al. Optimizing plankton survey strategies using observing system simulation experiments
Hu et al. Retrieval of suspended sediment concentrations using remote sensing and machine learning methods: A case study of the lower Yellow River
CN111965330A (zh) 一种基于双极化类发射率的裸露土壤含水量反演方法
Richardson et al. IDA: An implicit, parallelizable method for calculating drainage area
CN110688990B (zh) 一种水稻种植候选区确定方法
Hernández-Carrasco et al. Reconstruction of super-resolution ocean pCO 2 and air–sea fluxes of CO 2 from satellite imagery in the southeastern Atlantic
Inatsu et al. Wintertime extratropical cyclone frequency around Japan

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181009