CN115688637B - 湍流混合强度计算方法、系统、计算机设备以及存储介质 - Google Patents
湍流混合强度计算方法、系统、计算机设备以及存储介质 Download PDFInfo
- Publication number
- CN115688637B CN115688637B CN202310000629.5A CN202310000629A CN115688637B CN 115688637 B CN115688637 B CN 115688637B CN 202310000629 A CN202310000629 A CN 202310000629A CN 115688637 B CN115688637 B CN 115688637B
- Authority
- CN
- China
- Prior art keywords
- network
- scale
- nodes
- turbulence
- energy
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 65
- 230000008569 process Effects 0.000 claims abstract description 37
- 238000012546 transfer Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 238000010008 shearing Methods 0.000 claims abstract description 12
- 230000008878 coupling Effects 0.000 claims abstract description 8
- 238000010168 coupling process Methods 0.000 claims abstract description 8
- 238000005859 coupling reaction Methods 0.000 claims abstract description 8
- 238000012512 characterization method Methods 0.000 claims abstract description 7
- 239000010410 layer Substances 0.000 claims description 76
- 230000006870 function Effects 0.000 claims description 18
- 230000009466 transformation Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 239000011229 interlayer Substances 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 238000009412 basement excavation Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000011362 coarse particle Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
- G01C13/002—Measuring the movement of open water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Hydrology & Water Resources (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于海洋湍流数据分析领域，公开了一种湍流混合强度计算方法、系统、计算机设备以及存储介质。本发明方案如下：首先对湍流剖面仪获取的海洋时空耦合剪切剖面数据信息进行去噪预处理；其次搭建具有拓扑属性的多层湍流混合网络，该网络由节点和连接边组成；其中，节点是由时间序列、尺度数据、能量间歇测度值以及相位四个物理属性融合而成，以实现对多尺度湍流能量物理属性的拓扑表征；网络中连接边的存在情况，以实现对湍流能量跨尺度传递过程识别；最后根据多层湍流混合网络的拓扑属性进行湍流混合强度参数化计算过程。本发明通过多种物理特征融合网络构建方法，依托拓扑结构属性，实现了全海深剖面观测域湍流能量输运强度的量化计算。
Description
技术领域
本发明属于海洋湍流数据分析技术领域，特别涉及一种湍流混合强度计算方法、系统、计算机设备以及存储介质。
背景技术
湍流混合是海洋重要的物理过程之一，湍流混合过程伴随着大尺度涡旋向中小尺度涡旋不断裂解的能量级串过程，多尺度涡旋交互对推动海洋能量、动量与物质的输运以及维持海洋环流起到了至关重要作用。随着海洋观测仪器的不断创新与海洋探索领域的不断扩展，采用可靠有效的算法实现对湍流多尺度能量混合过程的探知与量化，已经成为推动物理海洋机理研究与海洋现象预测的关键一环。不同尺度的涡旋结构是海洋水体耦合裂解的理想载体。随着对湍流混合研究的不断深入，研究学者逐渐意识到海洋能量主要依托不同尺度涡旋结构交互混合完成。而湍流数据具有非线性、非稳定特性，海洋水体任意点流速大小与方向具有强瞬态性，在很大程度上限制了对湍流混合机理的研究进程。
现阶段对湍流混合现象的研究主要集中在谱通量估算与数值模拟。谱通量估算方法通常需要有针对性地提供先验知识，或有针对性地对物理公式进行一定调整，从而维持湍流系统平衡。而数值模拟方法虽然能够反映多尺度流体交互传递能量的过程，但是其所需要的计算机算力随着场景尺寸的增大而激增，并且每种模拟方式都存在着应用场景的局限性。得益于海洋探测仪器的突飞猛进发展，大量的海洋数据亟待一种更加高效的算法来实现对湍流多尺度能量混合机理量化研究，这对实现下放观测湍流数据实时处理、全海深剖面海洋现象快速捕捉、海洋机理深度追踪具有重要的应用价值。
发明内容
本发明提出了一种湍流混合强度计算方法，通过多种物理特征融合网络构建方法，依托拓扑结构属性，以实现全海深剖面观测域湍流能量输运强度的量化计算。
本发明为了实现上述目的，采用如下技术方案：
一种湍流混合强度计算方法，包括如下步骤：
步骤1.对湍流剖面仪获取的海洋时空耦合剪切剖面数据信息进行去噪预处理；
步骤2.搭建具有拓扑属性的多层湍流混合网络；
多层湍流混合网络由节点以及连接边组成；
网络中每个节点均是由时间序列、尺度数据、能量间歇测度值以及相位四个物理属性融合而成的节点，以实现对多尺度湍流能量物理属性的拓扑表征；
根据网络中连接边的存在情况，实现对湍流能量跨尺度传递过程识别；
步骤3.根据多层湍流混合网络的拓扑属性，进行湍流混合强度参数化的计算。
此外，在上述湍流混合强度计算方法的基础上，本发明还提出了一种与之相对应的湍流混合强度计算系统，其采用如下技术方案：
一种湍流混合强度计算系统，包括如下步骤：
预处理模块，用于对湍流剖面仪获取的海洋时空耦合剪切剖面数据信息进行去噪预处理；
网络构建模块，用于搭建具有拓扑属性的多层湍流混合网络；
多层湍流混合网络由节点和连接边组成；
网络中每个节点均是由时间序列、尺度数据、能量间歇测度值以及相位四个物理属性融合而成的节点，以实现对多尺度湍流能量物理属性的拓扑表征；
根据网络中连接边的存在情况，实现对湍流能量跨尺度传递过程识别；
以及湍流混合强度计算模块，用于根据多层湍流混合网络的拓扑属性，进行湍流混合强度参数化的计算，通过计算得到湍流混合强度值。
此外，在上述湍流混合强度计算方法的基础上，本发明还提出了一种用于实现上述湍流混合强度计算方法的计算机设备。
该计算机设备包括存储器和处理器，存储器中存储有可执行代码，处理器执行所述可执行代码时，用于实现上面述及的湍流混合强度计算方法的步骤。
此外，在上述湍流混合强度计算方法的基础上，本发明还提出了一种用于实现上述湍流混合强度计算方法的计算机可读存储介质。
该计算机可读存储介质，其上存储有程序，当该程序被处理器执行时，用于实现上面述及的湍流混合强度计算方法的步骤。
本发明具有如下优点：
如上所述，本发明述及了一种湍流混合强度计算方法、系统、计算机设备以及存储介质。本发明所采用的多层湍流混合网络原理能够很好地获取湍流多尺度能量交互过程中所隐含的动力学原理，多层湍流混合网络中的节点与连接边，有效地捕捉展现了多尺度能量传递的细节，根据拓扑属性来完成对湍流混合强度参数的计算过程，提升了对湍流混合参数化的计算效率，突破了对海洋领域的探索范围限制，实现了对全海深海洋剖面域内湍流能量交互过程的高效分析与把控，对海洋循环演化物理机理研究具有重要意义。
附图说明
图1为本发明实施例中湍流混合强度计算方法的流程图。
图2为湍流剪切剖面数据信息图。
图3为本发明实施例中多层湍流混合网络节点定义流程图。
图4为本发明实施例中多层湍流混合网络连接边搭建流程图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明：
如图1所示，本实施例述及了一种湍流混合强度计算方法，以实现全海深剖面观测域湍流能量输运强度的量化计算。
该湍流混合强度计算方法，包括如下步骤：
步骤1.对湍流剖面仪获取的海洋时空耦合剪切剖面数据信息进行去噪预处理。
如图2所示，湍流剪切数据具有非线性、非稳定特性，且其易受到海洋外界环境干扰。故而需要对海洋剖面仪获取到的海洋数据进行预处理。
本发明通过利用所获取到仪器下放过程的下放速度、下放姿态以及下放加速度数据，并结合Goodman算法，完成对原始湍流剖面数据的去噪工作。
经过去噪剔除原始剪切信号中所包含的环境噪声与仪器震动噪声，获取较为纯净能表征湍流本身信息的剪切信号，为后续湍流混合强度的参数化计算提供数据支撑。
步骤2.搭建具有拓扑属性的多层湍流混合网络，网络由节点与连接边组成。
网络中每个节点均是由时间序列、尺度数据、能量间歇测度值以及相位四个物理属性融合而成的节点，以实现对多尺度湍流能量物理属性的拓扑表征。
根据网络中连接边的存在情况，实现对湍流能量跨尺度传递过程识别。
本发明方法搭建的多层湍流混合网络中节点与连接边的拓扑属性，为后续步骤分析挖掘多尺度湍流能量交互过程的分析提供了完备的模型基础。
在多层湍流混合网络的网络节点定义阶段，大致过程如下：
首先将长深度序列剪切剖面数据分割成1米深度段，分段进行多层网络构建；再利用经验模式分解、小波变换、局部间歇测度计算与希尔伯特变换共同完成网络节点的物理特征融合，即每个节点均具有时间序列、尺度数据、能量间歇测度值与相位四个物理属性。
如图3所示，在节点定义阶段，基于多种非线性处理方法实现时间序列、尺度数据、能量间歇测度值以及相位的物理属性融合节点定义的过程如下：
步骤2.1.利用经验模式分解将非线性、非稳定的剪切数据信号s(t)分解成n个本征模函数IMFs，分解公式如下：s(t)＝∑ni＝1IMFi(t)+rn(t)。其中，IMFi(t)表示第i个本征模函数，i∈[1,n]，rn(t)为残余分量。其中，不同的本征模函数具有不同的特征频率。
经验模式分解算法是将非线性的湍流数据分解成具有物理特征差异的本征模信号。
步骤2.2.利用小波变换计算不同本征模函数对应的小波系数wa,b。
量化本征模函数各自对应的能量分布特征，同时以剪切数据信号s(t)对应的时间长度与小波系数wa,b对应过零值的比值，代表不同本征模函数对应的尺度属性。
步骤2.3.基于计算得到的小波系数wa,b计算能量间歇测度值LIM波动情况，根据LIM数据实现对湍流数据能量间歇迸发情况的识别，计算公式如下：
LIM＝|wa,b|2/〈|wa,b|2〉b；其中，LIM表示能量间歇测度值。
a代表小波系数尺度信息，b代表小波系数对应的时间刻度；wa,b表示小波系数，|wa,b|表示小波系数模值，〈·〉b表示在时间刻度范围b内对小波系数进行求均值处理。
本发明中小波变换与局部间歇测度算法的作用是量化本征模函数的能量波动情况。
步骤2.4.基于希尔伯特变换计算得到不同本征模波动过程中的相位变化属性，希尔伯特变换用于检测在不同尺度能量传递时的相位波动情况。
本实施例中希尔伯特变换为湍流多尺度能量交互过程的识别提供算法支撑。
至此完成对节点的拓扑定义，具有不同尺度属性的节点分布在各不相同的网络层结构中。
如图4所示，利用节点所包含的物理属性进行连接边搭建，在不同尺度能量传递时，能量间歇测度将超过序列均值，并且出现相位同步增加或者同步减弱的相位同步的现象。
若同一时刻且具有不同尺度属性的两个节点，其能量间歇测度波动处于峰值与过均值状态，并且波动相位差小于预设波动相位差阈值，则两节点之间存在连接边，即两个节点所代表的不同尺度涡旋间存在湍流能量跨尺度传递；预设波动相位差阈值例如取值为0.01。
若同一时刻且具有不同尺度属性的两个节点，其能量间歇测度不均处于峰值、或存在低于均值状态，或其波动相位差大于预设波动相位差阈值，则两个节点之间不存在连接边，即两个节点所代表的不同尺度涡旋间不存在湍流能量的跨尺度传递。
经过上述多层湍流混合网络中节点定义与连接边搭建，则可构建出一个由节点与跨层连接边共同组成的多层网络结构，节点与跨层连接边分布随湍流混合状态不同而各有差异(即多层湍流混合网络的拓扑属性)，为湍流混合强度计算提供拓扑网络参数。
本发明方法通过节点定义与连接边搭建，能够实现物理海洋过程的拓扑转换，构建多层湍流混合网络，依托网络拓扑属性，能够为全海深海域观测大数据高效处理、为物理海洋现象机理的分析提供强大的挖掘处理平台。
步骤3.根据多层湍流混合网络的拓扑属性，进行湍流混合强度参数化的计算。
根据上述节点定义与连接边搭建过程，即可实现湍流混合过程向多层湍流混合网络拓扑结构的转换，构建的多层湍流混合网络结构M可由三元组表征，M＝〈V,E,L〉。
其中，V代表节点集合、E代表连接边结合、L代表具有相同尺度特征的网络层集合。
每一个节点i都是一个多元参量集合，具有相同尺度属性Sα的节点分布在同一网络层α上；在能量传递过程主要关注跨尺度能量传递过程。
故而所构建的网络架构仅包含跨尺度的层间连接边eαβ，即：
eαβ＝{((i,α),(j,β))∈E|α≠β}；
存在于网络层α上的节点i与存在于网络层β上的节点j由连接边eαβ进行连接。
跨层连接边的分布为湍流能量跨尺度传递机理研究提供了可视化模型，并为整体估算湍流能量混合强度提供了支撑。
不同的湍流混合现象，会伴随出现不同的网络跨层连接边疏密分布。
统计多层网络结构中所包含的网络层尺度参数S、网络连接边eαβ数量与理想情况应出现的跨层连接边数量N(即全部的网络节点一一连接)。
对所构建的多层湍流混合网络进行分析，获取多层湍流混合网络的拓扑属性，即网络结构中每层节点的数量、网络层尺度属性以及层间连接边数量。
其中，网络结构中每层节点的数量是指剪切数据信号s(t)所包含的采样点数，网络层尺度属性是指剪切数据信号s(t)对应的时间序列长度与小波系数过零值的比值。
层间连接边数量是指相邻两个网络层满足连接边搭建条件的所搭建出的连接边的数量。
依托拓扑属性，进行湍流混合强度κ参数化计算。
式中，N表示多层湍流混合网络中每个网络层所包含的节点的总数。
α、β表示两个邻接网络层，eαβ表示邻接网络层α与β之间的连接边数量，Sα、Sβ表示两个邻接网络层α、β各自的对应的尺度属性。
L表示网络层集合，
表示α与β为网络层集合L中的网络层。
长深度序列数据被分割成等深度段进行网络构建与湍流混合强度参数化计算，能够根据全海深海洋湍流混合时空演化情况粗颗粒与精细化不同需求满足分析研究任务。
本发明依托对拓扑属性量化湍流混合过程的计算方法，为湍流剖面仪自由下放所观测到的全海深剖面域水体内部多尺度能量交互过程的深入挖掘提供了参数化分析基础，完成对跨尺度能量传递过程的捕捉，满足对全海深湍流剖面观测与分析的科学需求。
本发明湍流混合强度计算方法，克服了现有技术数据处理能力与探测域局限性，同时为湍流能量多尺度交互传递过程的深入分析提供方法支撑。
此外，基于同样的发明构思，本发明实施例还提供了一种对应于上述湍流混合强度计算方法的湍流混合强度计算系统。
该湍流混合强度计算系统，包括如下功能模块：
预处理模块，用于对湍流剖面仪获取的海洋时空耦合剪切剖面数据信息进行去噪预处理；
网络构建模块，用于搭建具有拓扑属性的多层湍流混合网络；
多层湍流混合网络由节点和连接边组成；
网络中每个节点均是由时间序列、尺度数据、能量间歇测度值以及相位四个物理属性融合而成的节点，以实现对多尺度湍流能量物理属性的拓扑表征；
根据网络中连接边的存在情况，实现对湍流能量跨尺度传递过程识别；
以及湍流混合强度计算模块，用于根据多层湍流混合网络的拓扑属性，进行湍流混合强度参数化的计算，通过计算得到湍流混合强度值。
需要说明的是，上述湍流混合强度计算系统中，各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
此外，本发明还提出了一种用于实现上述湍流混合强度计算方法的计算机设备。该计算机设备包括存储器和一个或多个处理器。
其中，在存储器中存储有可执行代码，处理器执行所述可执行代码时，用于实现上述湍流混合强度计算方法的步骤。
本实施例中计算机设备为任意具备数据数据处理能力的设备或装置，此处不再赘述。
此外，本发明实施例还提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，用于实现上述湍流混合强度计算方法的步骤。
该计算机可读存储介质可以是任意具备数据处理能力的设备或装置的内部存储单元，例如硬盘或内存，也可以是任意具备数据处理能力的设备的外部存储设备，例如设备上配备的插接式硬盘、智能存储卡(Smart Media Card，SMC)、SD卡、闪存卡(Flash Card)等。
当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。
Claims (5)
1.一种湍流混合强度计算方法，其特征在于，包括如下步骤：
步骤1.对湍流剖面仪获取的海洋时空耦合剪切剖面数据信息进行去噪预处理；
步骤2.搭建具有拓扑属性的多层湍流混合网络；
多层湍流混合网络由节点以及连接边组成；
网络中每个节点均是由时间序列、尺度数据、能量间歇测度值以及相位四个物理属性融合而成的节点，以实现对多尺度湍流能量物理属性的拓扑表征；
根据网络中连接边的存在情况，实现对湍流能量跨尺度传递过程识别；
所述步骤2中，在节点定义阶段，基于多种非线性处理方法实现时间序列、尺度数据、能量间歇测度值以及相位的物理属性融合节点定义，具体如下：
步骤2.1.利用经验模式分解将非线性、非稳定的剪切数据信号s(t)分解成n个本征模函数IMFs，分解公式如下：s(t)＝∑n i＝1IMFi(t)+rn(t)；
其中，IMFi(t)表示第i个本征模函数，i∈[1,n]，rn(t)为残余分量；
步骤2.2.利用小波变换计算不同本征模函数对应的小波系数wa,b；
量化本征模函数各自对应的能量分布特征，同时以剪切数据信号s(t)对应的时间序列的长度与小波系数wa,b对应过零值的比值，代表不同本征模函数对应的尺度属性；
步骤2.3.基于步骤2.2计算得到的小波系数wa,b，计算能量间歇测度值LIM波动情况，根据LIM数据实现对湍流数据能量间歇迸发情况的识别，计算公式如下：
LIM＝|wa,b|2/〈|wa,b|2〉b；
其中，LIM表示能量间歇测度值；
a代表小波系数尺度信息，b代表小波系数对应的时间刻度；wa,b表示小波系数，|wa,b|表示小波系数模值，〈·〉b表示在时间刻度范围b内对小波系数进行求均值处理；
步骤2.4.基于希尔伯特变换，计算得到不同本征模波动过程中的相位变化属性；
由此完成对节点的拓扑定义，具有不同尺度属性的节点分布在各不相同的网络层结构中；
所述步骤2中，依据节点所包含的物理属性完成对连接边的搭建，具体为：
若同一时刻且具有不同尺度属性的两个节点，其能量间歇测度波动处于峰值与过均值状态，并且波动相位差小于预设波动相位差阈值，则两节点之间存在连接边，即两个节点所代表的不同尺度涡旋间存在湍流能量跨尺度传递；
若同一时刻且具有不同尺度属性的两个节点，其能量间歇测度不均处于峰值、或存在低于均值状态，或其波动相位差大于预设波动相位差阈值，则两个节点之间不存在连接边，即两个节点所代表的不同尺度涡旋间不存在湍流能量的跨尺度传递；
步骤3.根据多层湍流混合网络的拓扑属性，进行湍流混合强度参数化的计算；
所述步骤3具体为：
对所构建的多层湍流混合网络进行分析，获取多层湍流混合网络的拓扑属性，即网络结构中每层节点的数量、网络层尺度属性以及层间连接边数量；
其中，网络结构中每层节点的数量是指剪切数据信号s(t)所包含的采样点数，网络层尺度属性是指剪切数据信号s(t)对应的时间序列长度与小波系数过零值的比值；
层间连接边数量是指相邻两个网络层满足连接边搭建条件的所搭建出的连接边的数量；
依托拓扑属性进行湍流混合强度κ参数化计算过程，公式如下：
式中，N表示多层湍流混合网络中每个网络层所包含的节点的总数；
α、β表示两个邻接网络层，eαβ表示邻接网络层α与β之间的连接边数量，Sα、Sβ表示两个邻接网络层α、β各自的对应的尺度属性；
L表示网络层集合，表示α与β为网络层集合L中的网络层。
2.根据权利要求1所述的湍流混合强度计算方法，其特征在于，
所述步骤1具体为：
利用Goodman算法，并结合湍流剖面仪下放过程采集到的仪器下降过程速度数据、仪器姿态数据以及加速度数据，进行湍流剖面数据去噪预处理；
经过去噪剔除原始剪切数据中所包含的环境噪声与震动噪声，保留真实的剪切数据信息。
3.一种湍流混合强度计算系统，其特征在于，包括
预处理模块，用于对湍流剖面仪获取的海洋时空耦合剪切剖面数据信息进行去噪预处理；
网络构建模块，用于搭建具有拓扑属性的多层湍流混合网络；
多层湍流混合网络由节点和连接边组成；
网络中每个节点均是由时间序列、尺度数据、能量间歇测度值以及相位四个物理属性融合而成的节点，以实现对多尺度湍流能量物理属性的拓扑表征；
根据网络中连接边的存在情况，实现对湍流能量跨尺度传递过程识别；
在节点定义阶段，基于多种非线性处理方法实现时间序列、尺度数据、能量间歇测度值以及相位的物理属性融合节点定义，具体如下：
利用经验模式分解将非线性、非稳定的剪切数据信号s(t)分解成n个本征模函数IMFs，分解公式如下：s(t)＝∑ni＝1IMFi(t)+rn(t)；
其中，IMFi(t)表示第i个本征模函数，i∈[1,n]，rn(t)为残余分量；
利用小波变换计算不同本征模函数对应的小波系数wa,b；
量化本征模函数各自对应的能量分布特征，同时以剪切数据信号s(t)对应的时间序列的长度与小波系数wa,b对应过零值的比值，代表不同本征模函数对应的尺度属性；
基于计算得到的小波系数wa,b，计算能量间歇测度值LIM波动情况，根据LIM数据实现对湍流数据能量间歇迸发情况的识别，计算公式如下：
LIM＝|wa,b|2/〈|wa,b|2〉b；
其中，LIM表示能量间歇测度值；
a代表小波系数尺度信息，b代表小波系数对应的时间刻度；wa,b表示小波系数，|wa,b|表示小波系数模值，〈·〉b表示在时间刻度范围b内对小波系数进行求均值处理；
基于希尔伯特变换，计算得到不同本征模波动过程中的相位变化属性；
由此完成对节点的拓扑定义，具有不同尺度属性的节点分布在各不相同的网络层结构中；
依据节点所包含的物理属性完成对连接边的搭建，具体为：
若同一时刻且具有不同尺度属性的两个节点，其能量间歇测度波动处于峰值与过均值状态，并且波动相位差小于预设波动相位差阈值，则两节点之间存在连接边，即两个节点所代表的不同尺度涡旋间存在湍流能量跨尺度传递；
若同一时刻且具有不同尺度属性的两个节点，其能量间歇测度不均处于峰值、或存在低于均值状态，或其波动相位差大于预设波动相位差阈值，则两个节点之间不存在连接边，即两个节点所代表的不同尺度涡旋间不存在湍流能量的跨尺度传递；
以及湍流混合强度计算模块，用于根据多层湍流混合网络的拓扑属性，进行湍流混合强度参数化的计算，通过计算得到湍流混合强度值；
对所构建的多层湍流混合网络进行分析，获取多层湍流混合网络的拓扑属性，即网络结构中每层节点的数量、网络层尺度属性以及层间连接边数量；
其中，网络结构中每层节点的数量是指剪切数据信号s(t)所包含的采样点数，网络层尺度属性是指剪切数据信号s(t)对应的时间序列长度与小波系数过零值的比值；
层间连接边数量是指相邻两个网络层满足连接边搭建条件的所搭建出的连接边的数量；
依托拓扑属性进行湍流混合强度κ参数化计算过程，公式如下：
式中，N表示多层湍流混合网络中每个网络层所包含的节点的总数；
α、β表示两个邻接网络层，eαβ表示邻接网络层α与β之间的连接边数量，Sα、Sβ表示两个邻接网络层α、β各自的对应的尺度属性；
L表示网络层集合，表示α与β为网络层集合L中的网络层。
4.一种计算机设备，包括存储器和处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，用于实现权利要求1至2任一项所述的湍流混合强度计算方法的步骤。
5.一种计算机可读存储介质，其上存储有程序，其特征在于，当该程序被处理器执行时，用于实现权利要求1至2任一项所述的湍流混合强度计算方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310000629.5A CN115688637B (zh) | 2023-01-03 | 2023-01-03 | 湍流混合强度计算方法、系统、计算机设备以及存储介质 |
| US18/487,231 US11898842B1 (en) | 2023-01-03 | 2023-10-16 | Method and system for calculating turbulent mixing intensity, computer device and storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310000629.5A CN115688637B (zh) | 2023-01-03 | 2023-01-03 | 湍流混合强度计算方法、系统、计算机设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115688637A CN115688637A (zh) | 2023-02-03 |
| CN115688637B true CN115688637B (zh) | 2023-05-16 |
Family
ID=85057537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310000629.5A Active CN115688637B (zh) | 2023-01-03 | 2023-01-03 | 湍流混合强度计算方法、系统、计算机设备以及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11898842B1 (zh) |
| CN (1) | CN115688637B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117150273B (zh) * | 2023-10-30 | 2024-02-06 | 中国海洋大学 | 基于多点观测的相干结构识别方法、系统、设备以及介质 |
| CN117150223B (zh) * | 2023-10-30 | 2024-02-02 | 中国海洋大学 | 基于auv多尺度定频分解的交叉谱湍流去噪方法及系统 |
| CN118506900B (zh) * | 2024-07-17 | 2024-09-27 | 新疆鼎诚检测科技有限责任公司 | 硫化氢气体检测系统及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015079221A2 (en) * | 2013-11-26 | 2015-06-04 | Ocean Array Systems Ltd | Determination of turbulence in a fluid and control of array of energy producing devices |
| CN111498069A (zh) * | 2020-04-18 | 2020-08-07 | 中国海洋大学 | 一种海洋湍流混合观测方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5983162A (en) * | 1996-08-12 | 1999-11-09 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Computer implemented empirical mode decomposition method, apparatus and article of manufacture |
| US8775140B2 (en) * | 2012-02-16 | 2014-07-08 | Seiko Epson Corporation | Time and space scaled S-model for turbulent fluid flow simulations |
| CN109947879B (zh) * | 2019-01-29 | 2023-07-04 | 中国海洋大学 | 一种基于复杂网络的海洋观测大数据可视化分析方法 |
| CN112417783A (zh) * | 2020-11-20 | 2021-02-26 | 西安热工研究院有限公司 | 一种混合湍流计算方法 |
| CN114331922B (zh) * | 2022-03-10 | 2022-07-19 | 武汉工程大学 | 多尺度自校准气动光学效应湍流退化图像复原方法及系统 |
| CN114884599B (zh) * | 2022-04-25 | 2024-06-21 | 西安理工大学 | 蓝绿涡旋光气海跨介质准直入射单程传输模型的构建方法 |
| CN114611438B (zh) * | 2022-05-11 | 2022-07-22 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种湍流流动中目标物的受力状态模拟方法及装置 |
-
2023
- 2023-01-03 CN CN202310000629.5A patent/CN115688637B/zh active Active
- 2023-10-16 US US18/487,231 patent/US11898842B1/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015079221A2 (en) * | 2013-11-26 | 2015-06-04 | Ocean Array Systems Ltd | Determination of turbulence in a fluid and control of array of energy producing devices |
| CN111498069A (zh) * | 2020-04-18 | 2020-08-07 | 中国海洋大学 | 一种海洋湍流混合观测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115688637A (zh) | 2023-02-03 |
| US11898842B1 (en) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115688637B (zh) | 湍流混合强度计算方法、系统、计算机设备以及存储介质 | |
| Chen et al. | Traffic flow prediction by an ensemble framework with data denoising and deep learning model | |
| Mirocha et al. | Implementation of a nonlinear subfilter turbulence stress model for large-eddy simulation in the Advanced Research WRF model | |
| Peacock et al. | Introduction to focus issue: Lagrangian coherent structures | |
| Deng et al. | Deep neural network-based strategy for optimal sensor placement in data assimilation of turbulent flow | |
| Xiang et al. | A two-step approach to multi-damage detection for plate structures | |
| CN102288843A (zh) | 一种电能质量扰动信号检测方法 | |
| CN116152254B (zh) | 工业泄露目标气体检测模型训练方法、检测方法、电子设备 | |
| Afrasiabi et al. | Fault localisation and diagnosis in transmission networks based on robust deep Gabor convolutional neural network and PMU measurements | |
| Deng et al. | Prediction of transonic flow over supercritical airfoils using geometric-encoding and deep-learning strategies | |
| Lee et al. | Analysis of a convolutional neural network for predicting unsteady volume wake flow fields | |
| Gong et al. | Full resolution of extreme ship response statistics | |
| Song et al. | DSACNN: Dynamically local self-attention CNN for 3D point cloud analysis | |
| Robinson | Realtime forecasting of the multidisciplinary coastal ocean with the littoral ocean observing and predicting system (LOOPS) | |
| Wu et al. | Numerical simulation and backscattering characteristics of freak waves based on JONSWAP spectrum | |
| Lindgren et al. | First order stochastic Lagrange model for asymmetric ocean waves | |
| Orozco et al. | InvertibleNetworks. jl: A Julia package for scalable normalizing flows | |
| Ganguli | Data rectification and detection of trend shifts in jet engine path measurements using median filters and fuzzy logic | |
| CN117636052A (zh) | 基于多尺度小波卷积的sar图像城市区域场景分类方法 | |
| Zhang et al. | Correlation network from multivariate time series: A new method for characterizing nonlinear dynamic behavior in marine acoustic signal | |
| Écotière et al. | Predicting the impact of wind turbine noise: general overview and results of the PIBE project | |
| Wei et al. | Forecasting Current Velocity and Profile in a Strait Water Using Warped Gaussian Process | |
| Palóczy et al. | Instability of a surface jet over rough topography | |
| Rasheed et al. | A comprehensive simulation methodology for fluid-structure interaction of offshore wind turbines | |
| Ding et al. | What a wave buoy actually measures in 3D: Analysis of a mild sea state |
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 |