基于Argo海洋数据的温跃层处理方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 主要研究内容 | 第13-17页 |
| 第2章 海洋数据及温跃层特点分析 | 第17-25页 |
| 2.1 海洋数据 | 第17-21页 |
| 2.1.1 国内外海洋大数据研究发展现状 | 第17-18页 |
| 2.1.2 主要数据来源 | 第18-21页 |
| 2.2 温跃层 | 第21-25页 |
| 2.2.1 温跃层 | 第21页 |
| 2.2.2 温跃层分类 | 第21-23页 |
| 2.2.3 温跃层研究意义 | 第23-25页 |
| 第3章 基于KNN回归的海洋数据精细化 | 第25-37页 |
| 3.1 数据精细化处理的必要性 | 第25-26页 |
| 3.2 基于KNN回归的海洋数据精细化 | 第26-27页 |
| 3.3 参数选择及实验结果分析 | 第27-37页 |
| 3.3.1 温度 | 第28-32页 |
| 3.3.2 盐度 | 第32-35页 |
| 3.3.3 精细化结果 | 第35-37页 |
| 第4章 基于机器学习的温跃层处理方法 | 第37-56页 |
| 4.1 温跃层判断 | 第37-42页 |
| 4.2 温跃层合并 | 第42-43页 |
| 4.3 温跃层选取 | 第43-56页 |
| 4.3.1 从强选取 | 第44页 |
| 4.3.2 按得分选取(基于熵值的决策树方法) | 第44-49页 |
| 4.3.3 实验结果分析 | 第49-56页 |
| 第5章 结论以及工作展望 | 第56-59页 |
| 5.1 结论 | 第56-57页 |
| 5.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 作者简介及在学期间所取得的科研成果 | 第62-64页 |
| 致谢 | 第64页 |
