CN113673605B - 一种海水溶解氧评估方法 - Google Patents
一种海水溶解氧评估方法 Download PDFInfo
- Publication number
- CN113673605B CN113673605B CN202110972871.XA CN202110972871A CN113673605B CN 113673605 B CN113673605 B CN 113673605B CN 202110972871 A CN202110972871 A CN 202110972871A CN 113673605 B CN113673605 B CN 113673605B
- Authority
- CN
- China
- Prior art keywords
- dissolved oxygen
- similarity
- seawater
- sea
- time sequence
- 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.)
- Active
Links
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 title claims abstract description 52
- 229910052760 oxygen Inorganic materials 0.000 title claims abstract description 52
- 239000001301 oxygen Substances 0.000 title claims abstract description 52
- 239000013535 sea water Substances 0.000 title claims abstract description 49
- 238000011156 evaluation Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 56
- 230000000007 visual effect Effects 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000012141 concentrate Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 description 10
- 238000005295 random walk Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- SESFRYSPDFLNCH-UHFFFAOYSA-N benzyl benzoate Chemical compound C=1C=CC=CC=1C(=O)OCC1=CC=CC=C1 SESFRYSPDFLNCH-UHFFFAOYSA-N 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010021143 Hypoxia Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种海水溶解氧评估方法,其包括:(S1)获取两个需要对比海域的海水溶解氧及其相关变量,采用TP有向可视图方法对海水溶解氧及其相关变量的时间序列进行转换,得到各海域的图;海水溶解氧的相关变量包括海温以及盐度;(S2)对两个海域的图进行相似性匹配,得到匹配结果。在本发明中,TP有向可视图可以保留更多时间序列信息的转化成图,可更好的分析时间序列。GSN图相似性匹配从全局层、子图层、节点层综合计算图间相似度,使得相似度评估结果更加准确。
Description
技术领域
本发明涉及建筑能耗监测领域,尤其涉及一种海水溶解氧评估方法。
背景技术
现有海水溶解氧评估方法:倒数方法、折线法;这两个方法是现有的海洋学中评价海水溶解氧的方法,但是仅适用于标准测量方式下的海水溶解氧数据,难以应用于其他方式测得含氧量。现有海水溶解氧评估方法存在结果与其他污染物指数不匹配的问题,难以考虑其他污染物指数对溶解氧的影响。
现有的可视图方法包括:基本可视图方法、水平可视图方法、有限穿越可视图方法、有向有限穿越可视图方法、过滤水平可视图方法、多尺度有限穿越水平可视图方法、时间相关有限穿越可视图、加权可视图。现有可视图系列方法均未同时考虑时间演变及变量间相互联系。
现有图相似性匹配方法:基于矩阵分解的图相似性匹配方法、基于深度学习的具有随机游走的图相似性匹配方法、基于深度学习的没有随机游走的图相似性匹配方法、基于生成模型的图相似性匹配方法、基于图核的图相似性匹配方法。
基于矩阵分解的图相似性匹配方法时空开销较大;基于深度学习的具有随机游走的图相似性匹配方法很难找到最优采样策略,没有随机游走的图相似性匹配方法计算成本较高;基于生成模型的图相似性匹配方法需大量训练数据;基于图核的图相似性匹配方法,主要利用局部子结构信息得到一维图特征向量,相比于前三类方法计算更快捷。其中子树模式图核的实例Weisfeiler-Lehman子树核在解决图相似性匹配问题时更高效,但仅包含子图信息,考虑信息不周全。
发明内容
有鉴于现有技术的上述缺陷,本发明的目的是提供一种海水溶解氧评估方法,将时间序列转化为图,从而准确地评估海水溶解氧。
本发明的上述技术目的通过以下技术方案得以实现:
为实现上述目的本发明提供了一种海水溶解氧评估方法,其包括:
(S1)获取两个需要对比海域的海水溶解氧及其相关变量,采用TP有向可视图方法对海水溶解氧及其相关变量的时间序列进行转换,得到各海域的图;海水溶解氧的相关变量包括海温以及盐度;
(S2)对两个海域的图进行相似性匹配,得到匹配结果。
本发明的进一步改进在于,步骤(S1)中,采用TP有向可视图方法对海水溶解氧及其相关变量的时间序列进行转换得到各海域的图,其包括以下步骤:
(S11)对海水溶解氧及其相关变量的时间序列分别进行归一化操作,得到数值均处于[0,1]的多变量时间序列;
(S12)利用皮尔逊相关系数的方法,进行海水溶解氧与各相关变量的相关性计算;
(S13)对海水溶解氧以及每一相关变量对应时间序列应用有向可视图方法,得到图集;图集中海水溶解氧为主变量;
(S14)结合有向概率转移矩阵、相关性计算结果与主变量图度分布的大小关系,判断各相关变量对海水溶解氧的影响,进而确定是否根据相关变量的图在主变量的图上增加边。
本发明的进一步改进在于,步骤(S2)中采用GSN图相似性匹配方法进行相似性匹配,其具体包括以下步骤:
(S31)利用Weisfeiler-Lehman子树核计算子图层图间相似度;
(S32)利用pagerank算法得到节点层图间相似度;
(S33)利用图密度、平均度、全局聚集系数、平均聚集系数、平均最短路径长度得到全局层次图间相似度;
(S34)利用规约余弦相似度归一化上述相似度结果,并等比例加权得到最后相似度结果。
在本发明的较佳实施方式中,本发明提供的方法具有以下技术效果:TP有向可视图可以保留更多时间序列信息的转化成图,可更好的分析时间序列。GSN图相似性匹配从全局层、子图层、节点层综合计算图间相似度,使得相似度评估结果更加准确。
附图说明
图1是本发明的海水溶解氧评估方法的流程图;
图2是有向可视图生成过程的示意图;
图3是Weisfeiler-Lehman子树核计算子图层图间相似度的示意图;
图4是数据对比图;从图4可知赤道太平洋较东北太平洋缺氧更严重;
图5是TP有向可视图方法的实例示意图。左侧为海水溶解氧、温度、盐度三变量时间序列,右侧为应用TP有向可视图方法后得到的溶解氧图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
如图1所示,本发明的实施例包括一种海水溶解氧评估方法,其包括:
(S1)获取两个需要对比海域的海水溶解氧及其的相关变量,采用TP有向可视图方法对海水溶解氧及其相关变量的时间序列进行转换,得到各海域的图;海水溶解氧的相关变量包括海温以及盐度。
在步骤(S1)中,分别对两个待比较的海域的海水溶解氧及其相关变量进行处理。本步骤中采用TP有向可视图方法对海水溶解氧及其相关变量的时间序列进行转换得到各海域的图,具体包括以下步骤:
(S11)对海水溶解氧及其相关变量的时间序列分别进行归一化操作,得到数值均处于[0,1]的多变量时间序列;
(S12)利用皮尔逊相关系数的方法,进行海水溶解氧与各相关变量的相关性计算;
(S13)对海水溶解氧以及每一相关变量对应时间序列应用有向可视图方法,得到图集;图集中海水溶解氧为主变量;
对每个关变量对应的时间序列进行处理过程中,将某个相关变量以时间序列的方式进行表示,对于序列中的每个采样点,将其作为图的节点。对于每个采样点,在时间轴为X轴、采样值为Y轴的直角坐标系中,作采样点与各后续采样点(后续采样点指的是采样时间在后的采样点)之间的有向线段,若该线段不经过其他采样点与X轴之间的垂线,则该有向线段作为有向可视图的边。得到每个相关变量的有向可视图之后,将各有向可视图的集合作为相应海域的图集。
(S14)结合有向概率转移矩阵、相关性计算结果与主变量图度分布的大小关系,判断各相关变量对海水溶解氧的影响,进而确定是否根据相关变量的图在主变量的图上增加边。本步骤中,将各相关变量进行综合,得到的图可使得评估结果更加准确。
步骤(S2)中,采用GSN图相似性匹配方法进行相似性匹配,其具体包括以下步骤:
(S31)利用Weisfeiler-Lehman子树核计算子图层图间相似度,如图3所示。Weisfeiler-Lehman子树核方法是现有的,用于比较图间相似度,但相似度计算结果会存在可能无上限的问题,故本发明去除最后一部分的内积计算,改采用规约余弦相似度;同时Weisfeiler-Lehman子树核方法仅利用了图的子图层信息,相似性计算结果不够全面,故增加(S32)(S33)两步。
(S32)利用pagerank算法得到节点层图间相似度;
(S33)利用图密度、平均度、全局聚集系数、平均聚集系数、平均最短路径长度得到全局层次图间相似度;
(S34)利用规约余弦相似度归一化上述相似度结果(S31、S32、S33中得到的相似度结果),并等比例加权得到最后相似度结果。
如图4所示,实验数据中布朗序列Hurst指数为0.60,经TP有向可视图方法及有向有限穿越可视图建图,对双对数坐标下的度分布图进行线性拟合,得到H=0.70(TP有向可视图)、H=0.81(有向有限穿越可视图),可知TP有向可视图保留了更多原时间序列的信息。
由2019年12月7日国际自然保护联盟发布的报告可知,赤道太平洋的缺氧程度比东北太平洋严重,验证方法的正确性,结合现有海水溶解氧评估方法可得到更好的评估结果。
以死亡地带之墨西哥湾处海水溶解氧及相关参数的时间序列为例,构图,如图5所示。
东北太平洋(ENP,Eastern North Pacific)、东南太平洋(ESP,Eastern SouthPacific)、孟加拉湾(BB,Bay of Bengal)及赤道太平洋海域缺氧严重。在上述海域各选取一个浮标站点,利用GSN图相似性匹配方法与墨西哥湾对比得到相似度表格。
经表格数据可验证GSN图相似性匹配方法的正确性。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (2)
1.一种海水溶解氧评估方法,其特征在于包括:
(S1)获取两个需要对比海域的海水溶解氧及其相关变量,采用TP有向可视图方法对海水溶解氧及其相关变量的时间序列进行转换,得到各海域的图;海水溶解氧的相关变量包括海温以及盐度;
(S2)对两个海域的图进行相似性匹配,得到匹配结果;
步骤(S1)中,采用TP有向可视图方法对海水溶解氧及其相关变量的时间序列进行转换得到各海域的图,具体包括以下步骤:
(S11)对海水溶解氧及其相关变量的时间序列分别进行归一化操作,得到数值均处于[0,1]的多变量时间序列;
(S12)利用皮尔逊相关系数的方法,进行海水溶解氧与各相关变量的相关性计算;
(S13)对海水溶解氧以及每一相关变量对应时间序列应用有向可视图方法,得到图集;图集中海水溶解氧为主变量;
(S14)结合有向概率转移矩阵、相关性计算结果与主变量图度分布的大小关系,判断各相关变量对海水溶解氧的影响,进而确定是否根据相关变量的图在主变量的图上增加边。
2.根据权利要求1所述的海水溶解氧评估方法,其特征在于,步骤(S2)中采用GSN图相似性匹配方法进行相似性匹配,其具体包括以下步骤:
(S31)利用Weisfeiler-Lehman子树核计算子图层图间相似度;
(S32)利用pagerank算法得到节点层图间相似度;
(S33)利用图密度、平均度、全局聚集系数、平均聚集系数、平均最短路径长度得到全局层次图间相似度;
(S34)利用规约余弦相似度归一化上述相似度结果,并等比例加权得到最后相似度结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110972871.XA CN113673605B (zh) | 2021-08-24 | 2021-08-24 | 一种海水溶解氧评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110972871.XA CN113673605B (zh) | 2021-08-24 | 2021-08-24 | 一种海水溶解氧评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113673605A CN113673605A (zh) | 2021-11-19 |
CN113673605B true CN113673605B (zh) | 2024-02-06 |
Family
ID=78545464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110972871.XA Active CN113673605B (zh) | 2021-08-24 | 2021-08-24 | 一种海水溶解氧评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113673605B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105403680A (zh) * | 2015-12-02 | 2016-03-16 | 浙江省海洋监测预报中心 | 一种基于浮标在线监测数据的赤潮短期预警方法及用途 |
CN106447106A (zh) * | 2016-09-27 | 2017-02-22 | 西安理工大学 | 基于综合阻力权和图论的河网连通性评估及闸坝优化方法 |
CN107609718A (zh) * | 2017-10-18 | 2018-01-19 | 仲恺农业工程学院 | 一种养殖水体中溶解氧的预测方法及系统 |
CN112380195A (zh) * | 2020-10-20 | 2021-02-19 | 国网电力科学研究院有限公司 | 一种基于事务时序有向图的sql交互数据预处理方法与装置 |
CN112613239A (zh) * | 2020-11-24 | 2021-04-06 | 国家海洋局北海环境监测中心(中国海监北海区检验鉴定中心) | 一种水母灾害预警模型的构建方法 |
-
2021
- 2021-08-24 CN CN202110972871.XA patent/CN113673605B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105403680A (zh) * | 2015-12-02 | 2016-03-16 | 浙江省海洋监测预报中心 | 一种基于浮标在线监测数据的赤潮短期预警方法及用途 |
CN106447106A (zh) * | 2016-09-27 | 2017-02-22 | 西安理工大学 | 基于综合阻力权和图论的河网连通性评估及闸坝优化方法 |
CN107609718A (zh) * | 2017-10-18 | 2018-01-19 | 仲恺农业工程学院 | 一种养殖水体中溶解氧的预测方法及系统 |
CN112380195A (zh) * | 2020-10-20 | 2021-02-19 | 国网电力科学研究院有限公司 | 一种基于事务时序有向图的sql交互数据预处理方法与装置 |
CN112613239A (zh) * | 2020-11-24 | 2021-04-06 | 国家海洋局北海环境监测中心(中国海监北海区检验鉴定中心) | 一种水母灾害预警模型的构建方法 |
Non-Patent Citations (1)
Title |
---|
"海洋环境影响评价中溶解氧评价方法的 改进初探:以官井洋为例";鲁超 等;《海洋通报》;第36卷(第2期);第168-173页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113673605A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101551809B (zh) | 基于高斯混合模型分类的sar图像检索方法 | |
CN112381098A (zh) | 基于目标分割领域自学习的半监督学习方法和系统 | |
WO2019071754A1 (zh) | 一种基于深度学习的图像隐私感知方法 | |
CN103177458B (zh) | 一种基于频域分析的可见光遥感图像感兴趣区域检测方法 | |
CN104298999B (zh) | 基于递归自动编码的高光谱特征学习方法 | |
CN108447057A (zh) | 基于显著性和深度卷积网络的sar图像变化检测方法 | |
CN114743109B (zh) | 多模型协同优化高分遥感图像半监督变化检测方法及系统 | |
CN105046714A (zh) | 一种非监督的基于超像素和目标发现机制的图像分割方法 | |
CN111008644A (zh) | 基于局部动态能量函数fcn-crf模型的生态变化监测方法 | |
CN109584203A (zh) | 基于深度学习与语义信息的重定位图像质量评价方法 | |
CN116563680A (zh) | 基于高斯混合模型的遥感图像特征融合方法、电子设备 | |
CN117516937A (zh) | 基于多模态特征融合增强的滚动轴承未知故障检测方法 | |
CN116611580A (zh) | 一种基于多源数据与深度学习的海洋赤潮预测方法 | |
CN106056577A (zh) | 基于mds‑srm混合级联的sar图像变化检测方法 | |
CN111242134A (zh) | 一种基于特征自适应学习的遥感影像地物分割方法 | |
Zhou et al. | CABF-YOLO: a precise and efficient deep learning method for defect detection on strip steel surface | |
CN103605493A (zh) | 基于图形处理单元的并行排序学习方法及系统 | |
CN113673605B (zh) | 一种海水溶解氧评估方法 | |
CN117671480A (zh) | 基于视觉大模型的滑坡自动识别方法、系统和计算机设备 | |
CN104200472A (zh) | 基于非局部小波信息的遥感图像变化检测方法 | |
CN107170004A (zh) | 一种无人车单目视觉定位中对匹配矩阵的图像匹配方法 | |
CN116895019A (zh) | 一种基于动态加权交叉熵损失的遥感图像变化检测方法及其检测系统 | |
CN106095811A (zh) | 一种基于最优编码的监督离散哈希的图像检索方法 | |
CN115563652A (zh) | 轨迹嵌入预防泄露方法及系统 | |
CN104851090A (zh) | 图像变化检测方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |