基于HTM网络的多源海洋实时观测数据异常检测

在时下海洋观测系统中,往往通过分布于不同地理位置的智能传感器来获取实时观测数据。然而由于通信环境不稳定、观测仪器故障、数据采集或传输软件运行异常等原因,观测数据的完整性、可靠性和时效性往往得不到保障。本文基于层级实时记忆(Hierarchical Temporal Memory,HTM)网络设计多源数据异常检测算法,对不同测点海洋实时观测数据流进行质量监控。首先考虑海洋观测系统中存在的数据缺测、网络丢包现象,对观测数据进行预处理;接着基于HTM网络,生成观测数据的稀疏离散表征,动态更新神经元活跃和预测状态,并根据赫布法则奖励或惩罚突触连通值,模拟时序数据的空间和时间关系,从而学习和识别数据内部特征,实现单源海洋实时数据流的异常检测;最后在此基础上,利用不同测点间观测数据的距离相关性,对多源海洋实时数据流进行质量监控,降低异常数据漏报率。实验结果表明,本文提出的算法能有效检测出海洋实时观测数据异常点,且识别速度快于数据采集速度,能保证异常检测过程的准确性和实时性,符合实际应用需求。

浙江省南田岛附近潮流特征分析

潮流对海域的生产活动、生态保护等具有重要影响,掌握潮流特征具有重要意义。本文基于南田岛周边海域夏季大潮实测资料,开展该海域潮流特征分析,分析发现,研究海域垂向最大平均流速自东向西逐渐增强,造成这种现象的原因主要为水深地形因素的影响;总体上涨潮流历时长于落潮流历时;南田岛海域为正规半日潮海域,东侧测点具有旋转流特征,而南侧和西侧测点为往复流特征;测区垂线平均余流不大,多在0.10 m/s以内,整体上看,夏季余流方向多为偏涨潮流方向。