近年來,隨著海洋勘探技術(shù)的大力興起,溢油等海洋污染事故頻發(fā),對(duì)生態(tài)環(huán)境造成了嚴(yán)重的破壞。提高海洋污染預(yù)報(bào)能力,對(duì)海洋生態(tài)環(huán)境的保護(hù)和人類的生存具有重大的意義。海上浮油等污染物的預(yù)報(bào)大多是從模型的正演模擬角度出發(fā)。受到模型的初邊值、參數(shù)以及數(shù)值格式的限制,對(duì)污染物進(jìn)行長時(shí)間的追蹤會(huì)產(chǎn)生較大的誤差。目前,變分?jǐn)?shù)據(jù)同化是一種能夠反演模型狀態(tài)的有效方法,該方法將觀測數(shù)據(jù)與模型變量以優(yōu)化的方式結(jié)合起來。針對(duì)海洋溢油追蹤問題的特殊性以及難點(diǎn),本文采用水平集方程作為污染輸運(yùn)模型,圍繞著同化衛(wèi)星遙感觀測中的擴(kuò)散范圍信息提出了多種有效的方法,可以對(duì)初始輪廓進(jìn)行準(zhǔn)確地重構(gòu)。此外,為了提高海表流場的重建效果,提出了基于字典學(xué)習(xí)的稀疏約束型圖像同化方法。實(shí)際的數(shù)值測試對(duì)所提出方法的可行性加以驗(yàn)證。具體內(nèi)容如下:首先,考慮到海洋浮油遙感觀測的特殊性,難以獲取濃度測量信息,本文將水平集方法引入變分同化框架中。建立了輪廓信息匹配的極小化泛函,將水平集模型與觀測資料中的污染范圍信息結(jié)合起來。根據(jù)伴隨理論,推導(dǎo)出此新型目標(biāo)泛函關(guān)于初始輪廓的梯度。數(shù)值結(jié)果表明,該方法可以同化僅含有輪廓信息的海洋溢油觀測資料,并且能夠提高浮...

【文章頁數(shù)】：113 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題來源
    1.2 課題研究的目的和意義
    1.3 研究現(xiàn)狀
        1.3.1 海洋溢油污染物追蹤
        1.3.2 界面追蹤
        1.3.3 海表流場重建
        1.3.4 變分?jǐn)?shù)據(jù)同化
    1.4 本文的主要研究內(nèi)容及安排
第2章 基于水平集的拓?fù)渫椒?br>    2.1 引言
    2.2 水平集方法及正問題
    2.3 拓?fù)渫惴?br>        2.3.1 觀測算子
        2.3.2 伴隨理論與梯度計(jì)算
    2.4 數(shù)據(jù)均一化型拓?fù)渫?br>    2.5 數(shù)值模擬
        2.5.1 拓?fù)鋽?shù)據(jù)同化實(shí)驗(yàn)設(shè)置
        2.5.2 拓?fù)渫瘮?shù)值測試與結(jié)果
    2.6 本章小結(jié)
第3章 基于最優(yōu)傳輸理論的拓?fù)渫椒?br>    3.1 引言
    3.2 最優(yōu)傳輸理論與二次Wasserstein距離
    3.3 W-2距離型拓?fù)鋽?shù)據(jù)同化
    3.4 數(shù)值模擬
        3.4.1 二次W距離型拓?fù)渫瘜?shí)驗(yàn)設(shè)置
        3.4.2 二次W距離型拓?fù)渫瘻y試與結(jié)果
    3.5 本章小結(jié)
第4章 基于字典學(xué)習(xí)的稀疏約束型圖像數(shù)據(jù)同化
    4.1 引言
    4.2 結(jié)構(gòu)字典學(xué)習(xí)
        4.2.1 框架與緊框架
        4.2.2 數(shù)據(jù)驅(qū)動(dòng)緊框架
    4.3 海表流場重建與基于結(jié)構(gòu)字典的稀疏約束型變分同化
        4.3.1 流場重建四維變分同化模型
        4.3.2 基于渦量結(jié)構(gòu)字典的稀疏約束型數(shù)據(jù)同化模型
        4.3.3 分裂Bregman迭代算法
        4.3.4 實(shí)際海洋動(dòng)力學(xué)模型
        4.3.5 梯度計(jì)算
    4.4 數(shù)值模擬
        4.4.1 動(dòng)力學(xué)模型及同化實(shí)驗(yàn)設(shè)置
        4.4.2 流場重建的同化測試與結(jié)果
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其他成果
致謝
個(gè)人簡歷



本文編號(hào)：4016754