一种三维岛礁地形最大波高空间分布预报方法及系统

    公开(公告)号:CN119803423A

    公开(公告)日:2025-04-11

    申请号:CN202411890126.0

    申请日:2024-12-20

    Applicant: 河海大学

    Abstract: 本发明属于海洋水动力学技术领域,公开了一种三维岛礁地形最大波高空间分布预报方法及系统,包括:根据岛礁地形各测点的波面变化计算各测点的平均波高,得到三维岛礁地形最大波高空间分布,构建随机森林模型,根据三维岛礁地形最大波高空间分布数据对随机深林模型进行优化;根据控制变量法,分别更改外海入射波高、水深和波向数据,并建立相对应的波高空间分布图和随机森林模型预测得到的波高空间分布图;将上述波高空间分布图进行对比,得到对最大波高空间分布影响较大的数据特性,进而得到最大波高空间分布。本发明实现了对波浪在三维岛礁地形上传播演化的高精度模拟与预测,具有精度高、灵活性强和广泛应用前景等优点。

    一种缆绳磨损疲劳的实验装置

    公开(公告)号:CN112857976B

    公开(公告)日:2022-03-18

    申请号:CN202110176915.8

    申请日:2021-02-07

    Applicant: 河海大学

    Abstract: 本发明属于系泊用缆绳技术领域,公开了一种缆绳磨损疲劳的实验装置,包括控制装置、循环加载设备以及缆绳,还包括水箱和砝码箱,所述水箱上部设置有覆盖板,覆盖板两侧分别设置有供缆绳进、出水箱的空隙,所述覆盖板下部固定设置有至少一个构件;所述缆绳一端与循环加载设备连接,中部位于水箱内,并与所述构件接触,另一端与砝码箱连接;所述构件与缆绳接触的接触面为具有粗糙度的接触面,用于为缆绳提供磨损;所述砝码箱用于盛放重物以拉紧缆绳。本发明的有益效果为能够同时测量纤维缆绳在不同接触面下的磨损程度。

    一种缆绳磨损疲劳的实验装置

    公开(公告)号:CN112857976A

    公开(公告)日:2021-05-28

    申请号:CN202110176915.8

    申请日:2021-02-07

    Applicant: 河海大学

    Abstract: 本发明属于系泊用缆绳技术领域,公开了一种缆绳磨损疲劳的实验装置,包括控制装置、循环加载设备以及缆绳,还包括水箱和砝码箱,所述水箱上部设置有覆盖板,覆盖板两侧分别设置有供缆绳进、出水箱的空隙,所述覆盖板下部固定设置有至少一个构件;所述缆绳一端与循环加载设备连接,中部位于水箱内,并与所述构件接触,另一端与砝码箱连接;所述构件与缆绳接触的接触面为具有粗糙度的接触面,用于为缆绳提供磨损;所述砝码箱用于盛放重物以拉紧缆绳。本发明的有益效果为能够同时测量纤维缆绳在不同接触面下的磨损程度。

    实测海域极端波群预测方法
    4.
    发明公开

    公开(公告)号:CN117764003A

    公开(公告)日:2024-03-26

    申请号:CN202410072665.7

    申请日:2024-01-18

    Applicant: 河海大学

    Abstract: 本发明公开了一种实测海域极端波群预测方法,涉及海洋水动力学技术领域。本发明包括以下步骤:S1:获取实际海域的实测数据,所述实测数据包括有效波高、谱峰周期及谱宽参数;S2:基于所述实测数据,预报实际海域极端波群群长、能量分布规律;S3:根据极端波群群长、能量分布规律预报海况中平均极端波群能量及群长。基于多年历时实测资料,基于“无量纲尺度不均匀小波”能量识别不同海况所有随机波群,并基于畸形波定义,识别包含畸形波的极端波群,计算极端波群群长及能量,并建立了畸形波群群长、能量与所在海况的关系,实现了完整极端波群统计参数的快速预报。

    一种基于波浪能的排箫海泉景观装置及其结构体设计方法

    公开(公告)号:CN113202052B

    公开(公告)日:2022-06-10

    申请号:CN202110495460.6

    申请日:2021-05-07

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于波浪能的排箫海泉景观装置及其结构体设计方法,包括至少一个结构体和在所述结构体上贯通开设有一空腔孔洞,所述空腔孔洞包括第一空腔孔洞和第二空腔孔洞,所述第一空腔孔洞上端口与所述结构体上平面齐平,所述第一空腔孔洞下端口与第二空腔孔洞上端口直径相同,且两端口无缝连接,所述第二空腔孔洞为反L型,其长段为垂直段,短段为水平段,所述水平段的端口设置于海水中。本发明的有益效果为:本发明的装置适用于浮岛或近岸防波堤的海泉景观建设,本发明的装置可以为近海海岛提供消波功能,还可以直接利用海洋波浪提供排箫海泉景观,不仅可以感受到排箫的天籁之音,而且可以观赏到海浪奔涌而出射入天空。

    一种融合波浪演化数值模型的海水深度反演方法

    公开(公告)号:CN116720310A

    公开(公告)日:2023-09-08

    申请号:CN202310366667.2

    申请日:2023-04-07

    Applicant: 河海大学

    Abstract: 本发明提供了一种融合波浪演化数值模型的海水深度反演方法,包括:步骤1,利用遥感影像获得任意海域海波数;步骤2,获得特定海域的外海波浪特征波周期;步骤3,根据海浪波数和特征波周期,利用线性波浪理论对应的频散关系计算水深;步骤4,利用波浪数值模型计算出波高和波数;步骤5,利用波高和波数,根据非线性频散关系反演得关注区域内矫正水深;步骤6,根据矫正水深,利用波浪数值模型计算得到关注区域最终水深。本发明所开发的测深模型适用于相对水深更深的海域。特别是利用了波数信息获取水深,相较于利用遥感波高反演的方法精度有了显著的提高。此外,本方法计算速度较快且适用于大范围水深计算,可用于海岸带资源的快速普查。

    一种基于种子波群特征的畸形波快速预报方法

    公开(公告)号:CN115752387A

    公开(公告)日:2023-03-07

    申请号:CN202211426241.3

    申请日:2022-11-14

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于种子波群特征的畸形波快速预报方法,涉及海洋水动力学技术领域。本发明包括以下步骤:S1:获取原始实测数据,识别所有畸形波群,构建实测畸形波群数据库;S2:将实测畸形波群数据库中的畸形波完整序列重构;S3:根据重构结果,识别波群间相互作用机制生成的畸形波,记为种子波群;S4:构建LSTM神经元网络,利用种子波群对LSTM神经元网络进行训练,得到畸形波预测模型。本发明提出了识别波群间相互作用的方法,并建立能够生成畸形波的“种子波群”基本特征,从而实现畸形波的快速预报。

    一种基于物理先验知识的卫星海浪二维谱分割方法

    公开(公告)号:CN117932224B

    公开(公告)日:2024-10-18

    申请号:CN202410119530.1

    申请日:2024-01-29

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于物理先验知识的卫星海浪二维谱分割方法,涉及卫星波谱数据的自动分析和处理领域。收集卫星二维方向谱数据,并对方向谱数据进行预处理;对卫星二维方向谱数据进行预处理;将预处理后的二维谱数据进行数据增强并将其与数据增强的谱数据输入到机器学习模型中进行对比训练;之后经过对比训练的模型以CFOSAT自带的基于分水岭算法的粗略分割结果作为软标签并加入物理先验的损失函数指导模型进行分割任务;根据分割结果提取波系特征,并输入参数方程进行谱重构;将重构谱与原始二维谱进行对比,评价分割效果,将评价结果返回模型,从而进一步优化分割模型。该方法用于精确分割和分析卫星波谱数据,特别是针对复杂的海洋环境。

    一种基于物理先验知识的卫星海浪二维谱分割方法

    公开(公告)号:CN117932224A

    公开(公告)日:2024-04-26

    申请号:CN202410119530.1

    申请日:2024-01-29

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于物理先验知识的卫星海浪二维谱分割方法,涉及卫星波谱数据的自动分析和处理领域。收集卫星二维方向谱数据,并对方向谱数据进行预处理;对卫星二维方向谱数据进行预处理;将预处理后的二维谱数据进行数据增强并将其与数据增强的谱数据输入到机器学习模型中进行对比训练;之后经过对比训练的模型以CFOSAT自带的基于分水岭算法的粗略分割结果作为软标签并加入物理先验的损失函数指导模型进行分割任务;根据分割结果提取波系特征,并输入参数方程进行谱重构;将重构谱与原始二维谱进行对比,评价分割效果,将评价结果返回模型,从而进一步优化分割模型。该方法用于精确分割和分析卫星波谱数据,特别是针对复杂的海洋环境。

    一种基于种子波群特征的畸形波快速预报方法

    公开(公告)号:CN115752387B

    公开(公告)日:2024-01-23

    申请号:CN202211426241.3

    申请日:2022-11-14

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于种子波群特征的畸形波快速预报方法,涉及海洋水动力学技术领域。本发明包括以下步骤:S1:获取原始实测数据,识别所有畸形波群,构建实测畸形波群数据库;S2:将实测畸形波群数据库中的畸形波完整序列重构;S3:根据重构结果,识别波群间相互作用机制生成的畸形波,记为种子波群;S4:构建LSTM神经元网络,利用种子波群对LSTM神经元网络进行训练,得到畸形波预测模型。本发明提出了识别波群间相互作用的方法,并建立能够生成畸形波的“种子波群”基本特征,从而实现畸形波的快速预报。

Patent Agency Ranking