基于LSTM网络的海水温度剖面预报研究

基于海水温度历史观测和海洋模式数值预报数据,利用长短期记忆(LSTM)神经网络开展了海水温度剖面短时预报方法研究。以南海17°46.91′N,112°03.24′E处海水温剖面预报为研究对象,利用模式预报数据和观测数据,构建了观测、预报、观测和预报混合3个样本数据集。基于LSTM神经网络模型,建立了由编码器-解码器组成的多对多海水温度剖面序列预报模型,并开展了模型的训练和性能验证分析工作。结果表明:该模型具有较高的预报精度,对小样本问题的处理具有良好的稳定性;采用深度分层预报,可有效提高模型预报精度,改善模型泛化能力;与只使用观测数据集的预报相比,混合样本集预报误差下降明显,为基于小样本观测数据的海洋环境要素预报研究提供了一种思路。

大规模水下滑翔机集群区域覆盖探测路径规划

在水下滑翔机集群执行搜索任务时,通过合理设定各平台的搜索路径,能够有效提高集群的探测效能,从而实现利用最少平台的最大化探测区域覆盖。为解决大规模集群任务规划中计算量巨大的问题,文中在栅格法的基础上,通过几何划定有效覆盖区域并反演栅格序数的方法,构建了评价覆盖能力的高精度布尔模型,并以此为支撑,利用群智能方法实现了大规模集群对广域海区的快速路径规划。在此基础上,利用序贯思想,提出了以较小计算量解决集群平台数量最小化的方法。通过仿真试验验证了该方法的可行性。文中的方法可为大规模水下滑翔机集群的探测任务规划提供支持。

面向水下目标搜索的USV&UUV编队协同队形规划

针对异构USV&UUV编队的水下目标搜索效能最大化问题,开展了编队队形规划方法研究。为满足多样化的水下目标探测任务需求,依托USV和UUV各自在通信与水下目标探测方面的特长,将其编组成以USV为中心通信平台、以多UUV为水下目标探测子平台的异构水下目标探测编队。根据声呐方程建立了基于多声呐探测性能评估的概率感知模型,根据水声环境及探测系统参数定量地给出系统对区域内各处目标的探测能力;为应对复杂的水下目标搜索任务需求,提出以搜索正面宽度及编队覆盖面积为优化准则,利用层次分析法的思想,实现了多准则的融合统一;进而,利用粒子群算法,对评估模型中的队形参数寻优。算例结果表明,该方法有效地实现了异构编队多优化准则下的搜索队形的最优规划。该方法可为USV&UUV编队的水下目标搜索队形提供指导。