项目名称: 基于元胞自动机和数据同化的溢油模拟

项目编号: No.41301408

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 天文学、地球科学

项目作者: 张亦汉

作者单位: 广东财经大学

项目金额: 25万元

中文摘要: 频繁的海上石油开采和石油运输使得发生溢油事故的概率增大。海上溢油事故一旦发生,若得不到及时控制,必将严重损害海洋生态环境。因此,在溢油发生后,应准确地模拟并预测溢油的时空动态变化以控制溢油范围、保护海洋生态环境。元胞自动机(CA)是模拟溢油时空动态变化过程的有力工具,但目前这方面的研究、理论和技术方法尚处于初始阶段。本项目拟建立基于元胞自动机和数据同化的溢油模拟平台,结合元胞自动机模型、数据挖掘和数据同化等技术获取在时间和空间上均连续的溢油变化过程,为政府制定有关的应急方案提供科学的决策支持。具体内容包括:1)构建基于数据挖掘的溢油CA模型;2)集成数据同化的溢油CA模拟;3)耦合集合卡尔曼滤波和多参数估计的CA模型。

中文关键词: 溢油;元胞自动机;数据同化;集合卡尔曼滤波;

英文摘要: The rapid development of the economy makes the growing national demand for oil. Maritime activities, such as, ocean oil transportation and offshore oil exploitation, are prompted more and more frequent. Therefore, the probability of oil spill also will increase. If oil spill cannot be controlled in time, it will seriously harm the national offshore marine ecological environment. Therefore, it is necessary to make a series of policies for oil spill. Before making policies, the government should predict the accurate dynamic changes of oil spill. However, the traditional methods are often used empirical methods, simplify the oil spill process and use static model parameters, it is difficult to obtain high temporal and spatial resolution of the oil spill. So the project intends to combine cellular automata model (CA), data mining and data assimilation to obtain the continuous and accurate oil spill change process in time and space. The content includes: 1) oil spill CA model based on data mining, 2) oil spill CA model based on data assimilation, 3) oil spill CA model based on ensemble Kalman filter and multi-parameter estimates. The project will help to improve oil spill emergency response capacity and technical level and provide a scientific means to protect the ecological environment.

英文关键词: Oil Spill;Cellular Automata;Data Assimilation;Ensemble Kalman Filter;

成为VIP会员查看完整内容
0

相关内容

时间序列计量经济学
专知会员服务
47+阅读 · 2022年4月8日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
44+阅读 · 2021年5月24日
【耶鲁】数据结构与编程技术,572页pdf
专知会员服务
46+阅读 · 2020年12月27日
专知会员服务
57+阅读 · 2020年12月6日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
全网最全-网络模型低比特量化
极市平台
0+阅读 · 2022年1月12日
基于虚拟现实环境的深度学习模型构建
MOOC
24+阅读 · 2019年9月28日
交通评价指标概略
智能交通技术
15+阅读 · 2019年7月21日
Gartner:2019 年 MSP 魔力象限
云头条
15+阅读 · 2019年3月6日
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
Xgboost算法——Kaggle案例
R语言中文社区
13+阅读 · 2018年3月13日
(Python)时序预测的七种方法
云栖社区
10+阅读 · 2018年2月25日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
小贴士
相关主题
相关VIP内容
时间序列计量经济学
专知会员服务
47+阅读 · 2022年4月8日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
44+阅读 · 2021年5月24日
【耶鲁】数据结构与编程技术,572页pdf
专知会员服务
46+阅读 · 2020年12月27日
专知会员服务
57+阅读 · 2020年12月6日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
相关资讯
全网最全-网络模型低比特量化
极市平台
0+阅读 · 2022年1月12日
基于虚拟现实环境的深度学习模型构建
MOOC
24+阅读 · 2019年9月28日
交通评价指标概略
智能交通技术
15+阅读 · 2019年7月21日
Gartner:2019 年 MSP 魔力象限
云头条
15+阅读 · 2019年3月6日
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
Xgboost算法——Kaggle案例
R语言中文社区
13+阅读 · 2018年3月13日
(Python)时序预测的七种方法
云栖社区
10+阅读 · 2018年2月25日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员