致谢 | 第5-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
图索引 | 第13-15页 |
表索引 | 第15-16页 |
1 绪论 | 第16-30页 |
1.1 研究背景及意义 | 第16-17页 |
1.2 国内外研究现状 | 第17-25页 |
1.2.1 近岸海域海洋生态环境时空分析研究现状 | 第17-21页 |
1.2.2 近岸海域海洋生态环境赤潮灾害预测研究现状 | 第21-24页 |
1.2.3 研究现状小结 | 第24-25页 |
1.3 主要研究内容 | 第25-26页 |
1.4 论文组织和章节安排 | 第26-30页 |
2 面向时空分析与预测的海洋生态环境时空数据组织与管理研究 | 第30-54页 |
2.1 海洋生态环境数据综合分析 | 第30-33页 |
2.1.1 海洋生态环境数据获取途径及类型分析 | 第30-32页 |
2.1.2 海洋生态环境数据特点分析 | 第32-33页 |
2.2 海洋生态环境时空数据建模 | 第33-43页 |
2.2.1 模型框架构建 | 第34-35页 |
2.2.2 模型对象描述 | 第35-39页 |
2.2.3 模型逻辑组织 | 第39-43页 |
2.3 海洋生态环境时空数据存储 | 第43-46页 |
2.3.1 数据存储结构 | 第43-44页 |
2.3.2 数据存储实例 | 第44-46页 |
2.4 数据多级联动交换与动态集成机制 | 第46-53页 |
2.4.1 数据多级联动交换模型 | 第47-50页 |
2.4.2 数据动态集成机制 | 第50-53页 |
2.5 本章小结 | 第53-54页 |
3 基于EA-SAA-VA三元混合框架的海洋生态环境时空格局分析研究 | 第54-78页 |
3.1 监测数据时空变化特征 | 第54-56页 |
3.1.1 海洋生态环境监测数据在时间上的变化特征 | 第54-55页 |
3.1.2 海洋生态环境监测数据在空间上的变化特征 | 第55-56页 |
3.2 海洋生态环境时空格局分析框架 | 第56-64页 |
3.2.1 分布特征分析 | 第57-58页 |
3.2.2 分布模式分析 | 第58-63页 |
3.2.3 时空变异分析 | 第63-64页 |
3.3 浙江近岸海域海洋生态环境数据时空格局分析 | 第64-76页 |
3.3.1 数据来源 | 第64-65页 |
3.3.2 分布特征分析 | 第65-68页 |
3.3.3 分布模式分析 | 第68-71页 |
3.3.4 时空变异分析 | 第71-76页 |
3.4 本章小结 | 第76-78页 |
4 基于关联规则的的海洋生态环境时空挖掘分析 | 第78-96页 |
4.1 海洋生态环境时空关联规则定义 | 第78-81页 |
4.1.1 时空关联规则定义 | 第78-80页 |
4.1.2 时空关联规则分类 | 第80-81页 |
4.2 海洋生态环境时空关联规则挖掘框架 | 第81-84页 |
4.3 海洋生态环境时空关联规则挖掘方法 | 第84-90页 |
4.3.1 基于时空影响域和上下文约束的时空事务表构建策略 | 第84-86页 |
4.3.2 基于多指标和专家知识相结合的时空关联规则提取评价 | 第86-88页 |
4.3.3 海洋生态环境时空关联规则挖掘算法 | 第88-90页 |
4.4 海洋生态环境时空挖掘实例分析 | 第90-95页 |
4.4.1 研究对象 | 第90-91页 |
4.4.2 数据源及数据预处理 | 第91-93页 |
4.4.3 赤潮现象关联规则挖掘与分析 | 第93-95页 |
4.5 本章小结 | 第95-96页 |
5 基于深度学习的海洋生态环境赤潮灾害动态预测模型 | 第96-114页 |
5.1 深度学习模型框架 | 第97-102页 |
5.1.1 限制玻尔兹曼机 | 第98-100页 |
5.1.2 深度信念网络 | 第100-102页 |
5.2 基于深度学习的赤潮预测模型 | 第102-108页 |
5.2.1 模型架构与学习算法 | 第103-106页 |
5.2.2 基于粒子群算法的预测模型动态优化 | 第106-108页 |
5.3 赤潮预测实例分析 | 第108-111页 |
5.3.1 数据来源及预处理 | 第108页 |
5.3.2 模型预测与结果分析 | 第108-111页 |
5.4 本章小结 | 第111-114页 |
6 近岸海域海洋生态环境综合分析与决策支持服务原型系统设计与实现 | 第114-124页 |
6.1 系统总体架构 | 第114-116页 |
6.2 系统运行环境 | 第116-117页 |
6.2.1 硬件环境 | 第116-117页 |
6.2.2 软件环境 | 第117页 |
6.3 系统实现 | 第117-120页 |
6.4 系统应用 | 第120-123页 |
6.5 本章小结 | 第123-124页 |
7 结论与展望 | 第124-127页 |
7.1 主要研究工作 | 第124-125页 |
7.2 研究特色与创新 | 第125-126页 |
7.3 展望 | 第126-127页 |
参考文献 | 第127-132页 |
作者简历 | 第132页 |