欢迎来到天天文库
浏览记录
ID:36756832
大小:2.08 MB
页数:67页
时间:2019-05-14
《海洋环境在线监测及赤潮灾害预报系统研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、山东大学硕士学位论文摘要我国是世界上赤潮灾害较严重的国家之一,赤潮灾害的频发严重影响了我国的生态环境并导致巨大的经济损失。因此迫切需要研制高精度的海洋环境在线监测及赤潮灾害预报系统。本文结合当前国内外先进的海洋监测技术,以嵌入式系统、xML标记语言、网络通讯技术、数据仓库、动态网页等技术为支撑,设计了海洋环境在线监测系统的架构,实现了海洋环境要素监测子系统和海洋信息在线管理子系统的开发,并引入基于聚类分析的数据挖掘算法,对赤潮的预警模型进行了初步研究。本文首先以海洋监测系统的需求和发展趋势为依托,确定了系统的设计目标,并在此基础上设计了海洋环境在线监测系统的整体架构。然后,以该框架为依托
2、,详细设计了海洋环境要素监测子系统和海洋信息在线管理子系统。其中,海洋环境要素在线监测子系统以Linll】‘嵌入式系统为平台,使用GPRS无线传输技术作为通讯手段,实现了分布式控制,解决了浮标与台站之间传输介质问题以及海洋要素的远程在线监测问题。同时,设计了基于Ⅺ订L的数据交换机制,成功地实现了海洋监测数据的实时上传及LjIlIl】【平台与Windows平台的无缝连接。监测网络由传感器、浮标和台站三种类型的监测设备构成三级网络结构,具有极好的扩展性。海洋信息在线管理子系统以数据仓库为中心,运用了Microsof}IIs,ApacheTomcat服务器技术,以及ASP.NET、JSP动态网
3、页技术,通过Intemet实现客户端和数据仓库的远程交互,及时地对数据仓库中的数据进行维护和更新,有效地实现了海洋数据的在线发布及在线管理。为了方便海洋监测要素的监测,实时地反映海洋数据的变化规律,开发了海洋数据动态曲线发布系统,该系统可以在线监测海洋数据变化规律,并可通过网络浏览动态曲线,具有很高的实时性。最后,本文探讨了基于聚类分析的数据挖掘算法在赤潮预警方面的应用。在对传统的FcM聚类算法以及赤潮爆发规律进行深入研究的基础上,做了大量试验。在传统的FCM聚类分析算法的基础上加以改进,提出了预处理加权FCM算法Pw-FCM,取得了良好的效果。关键词:海洋监测:分布式系统;远程控制;赤
4、潮:聚类分析山东大学硕士学位论文ABSTRACTC11imisoneoftheco姗tri髂wimse—o瞄h栅血IalgalbloomsOIAB)dis勰te培intheworld.FrequentHABdisastc培c哪ed靶Ve坞d锄aget0t11eccolo百calaⅣiro咖ent勰d∞cialeco∞my.E街ciemmarinconliIlemoIlitoring卸d}LABdis勰terpredictings”temisnecdcdtobedesi印cdurgentlymt11ispap%baSedontlleadv锄cedoce觚monito血g僦hology'锄b
5、cddedsystem,XML,neMorkcom删cati01l’datawarehousesupport,dynamicwebtechnolo西esareusedtodesi印觚integratcdsystem∞m痂e∞linemoIlito咖gMeaIlwhjle,cluster觚alysisofdataminingalgo删msisin咖ducedt0doprelilllinarystIldyonHABwarIlingmo(1eLmmispaperthewhole胁洲rkofm椭eonlinemoIlitoringsyst锄isdesi髓edbasedontheneed锄dthe
6、tcchniquedeVeloping慨ndofHABdis硒terpredictil瑁.Under也is矗锄ework,wedesig【lmem碰neel锄entonlinemonitoringsubsyst唧arldmarineinf0珊ationonlillemana百ngsubsyst锄.Ma咖eelementonliIlemonitoringsubsyst锄isbuihonttleplatfomlOfLinux印1beddedsyst锄.nsolvestheproblcmof岫sfIornlmedi啪be脚e%buoys锄dstationsbydistributioncon仃o
7、ImemodwimGPRSwirelessco姗砥cationtechnolo肼Meanwtlile,tlleLinuxplatfo衄andwindowsplatfb珊黜se锄lesslycO皿ectedbasedonmeXMLdata仃aIls白mationsomatmem撕nemoIlitoringdatac孤beuploadedinrealtime.ThemoIlitoringNeMorkiscoIlsistcdofsell∞
此文档下载收益归作者所有