本發(fā)明涉及深度學(xué)習(xí)方法及神經(jīng)網(wǎng)絡(luò)模型，尤其是涉及一種海上溢油識別及預(yù)測的改進方法。

背景技術(shù)：

1、海上溢油事故會對海洋環(huán)境造成嚴重危害，并導(dǎo)致后繼高額的處理成本。能夠及時識別出海面溢油區(qū)域，并對溢油擴散情況進行預(yù)測，對于相關(guān)人員及時回收和清理油污至關(guān)重要。

2、對于海面溢油識別，目前主要通過圖像處理方法或深度學(xué)習(xí)方法，對于傳統(tǒng)的圖像處理方法，要從衛(wèi)星遙感圖像中識別溢油區(qū)域存在諸多困難，如因光照、海況、云層等因素使得成像背景復(fù)雜，提取出的溢油區(qū)域不夠準確甚至完全錯誤。而在深度學(xué)習(xí)方法中，通過專門設(shè)計的圖像分割神經(jīng)網(wǎng)絡(luò)，再經(jīng)過大量人為標記好的數(shù)據(jù)集進行訓(xùn)練后，具有魯棒性高、抗噪能力強的特點，能像素級地準確分割出溢油區(qū)域。

3、而對于海上溢油擴散的預(yù)測，主要是通過數(shù)值模擬方法實現(xiàn)的。而對于數(shù)值模型的選擇，主要可分為歐拉法和拉格朗日法。歐拉法通過分析溢油量和流體動力學(xué)方程求解溢油的運動軌跡，該方法的優(yōu)勢在于計算較為簡單，但缺點為當數(shù)值擴散很大時會使計算結(jié)果失真。而拉格朗日法將溢油視作大量油滴粒子，每個粒子都在環(huán)境物理因素(風(fēng)、流、浪)的影響下發(fā)生拉格朗日漂移運動，該方法就是對拉格朗日模型方程求解。拉格朗日法既能很好地模擬油膜發(fā)生形變的過程，又能消除數(shù)值發(fā)散問題，是目前普遍應(yīng)用的溢油擴散預(yù)測方法。

4、在應(yīng)用拉格朗日法進行海上溢油預(yù)測時，傳統(tǒng)方法將初始溢油區(qū)域視為一個指定坐標圓心及半徑長度的圓，在該圓周范圍以正態(tài)分布播種大量拉格朗日粒子，以模擬溢油初始狀態(tài)。然而，在實際情況中，當發(fā)生海上溢油事故的海域被衛(wèi)星拍攝到時，溢油區(qū)域已經(jīng)過擴散形成了不規(guī)則的形狀。僅用圓周來表示溢油區(qū)域的邊界是不準確的，應(yīng)該根據(jù)衛(wèi)星圖像內(nèi)的溢油區(qū)域輪廓來定義初始的溢油情況。并且在通過拉格朗日模型預(yù)測溢油擴散之前，需要得到未來的相關(guān)環(huán)境數(shù)據(jù)。目前，在大氣和海洋領(lǐng)域，國際上存在著多種動力學(xué)數(shù)值預(yù)報模型，如gfs(global?forecast?system)、hycom(hybrid?coordinate?oceanmodel)、fvcom(finite?volume?coastal?ocean?model)等，通過它們可以獲得未來數(shù)十天的高分辨率海洋氣象數(shù)據(jù)。而通過數(shù)值模型得到的預(yù)報數(shù)據(jù)，雖然兼具高空間分辨率和時間分辨率的特點，但經(jīng)常會有與真實的觀測值相差較大的情況，若是將這樣的異常數(shù)據(jù)輸入進模型中，必然對最后的擴散預(yù)測結(jié)果產(chǎn)生影響。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種海上溢油識別及預(yù)測的改進方法，能從衛(wèi)星圖像中自動識別并分割出溢油區(qū)域，并從溢油區(qū)域邊界輪廓播種拉格朗日粒子，真實模擬溢油初始狀態(tài)，對風(fēng)場、流場、浪場數(shù)據(jù)進行矯正，對海溫數(shù)據(jù)進行預(yù)測，將這些數(shù)據(jù)輸入到拉格朗日模型中，獲得更精確的溢油擴散預(yù)測結(jié)果。

2、為實現(xiàn)上述目的，本發(fā)明提供了一種海上溢油識別及預(yù)測的改進方法，包括以下步驟：

3、s1、溢油區(qū)域識別；

4、構(gòu)造用于從衛(wèi)星圖像中分割溢油區(qū)域的神經(jīng)網(wǎng)絡(luò)模型，對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，直至模型的損失開始收斂后通過測試集來驗證網(wǎng)絡(luò)的實際性能，不斷調(diào)整超參數(shù)對模型進行反復(fù)訓(xùn)練，直至模型能夠從衛(wèi)星圖像中準確識別出溢油區(qū)域并分割其邊界；

5、s2、采用圖像處理方法劃分溢油區(qū)域邊界輪廓；

6、s3、獲取溢油區(qū)域未來環(huán)境數(shù)據(jù)；

7、s4、通過拉格朗日模型獲得擴散模擬結(jié)果并繪制。

8、優(yōu)選的，s1中，神經(jīng)網(wǎng)絡(luò)模型主體為編碼器-解碼器結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)。

9、優(yōu)選的，編碼器的網(wǎng)絡(luò)由resnet-50構(gòu)成，編碼器對輸入的原始圖像進行下采樣，通過連續(xù)的特征提取獲得其中的深層語義信息。

10、優(yōu)選的，解碼器由deeplabv3+解碼器構(gòu)成，解碼器對提取的特征圖像進行上采樣，恢復(fù)其原始圖像大小，通過連接圖像的淺層與深層特征，捕捉物體的邊界信息，獲得精確的分割結(jié)果。

11、優(yōu)選的，s1中，對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練包括以下步驟：

12、s101、從溢油衛(wèi)星圖像中，人為標定出溢油區(qū)域并制作掩膜圖像作為數(shù)據(jù)標簽；

13、s102、將數(shù)據(jù)集劃分為90％的訓(xùn)練集用于訓(xùn)練網(wǎng)絡(luò)，10％的測試集用于測試網(wǎng)絡(luò)性能；

14、s103、當網(wǎng)絡(luò)訓(xùn)練至其損失開始收斂時，通過測試集驗證網(wǎng)絡(luò)的實際性能；

15、s104、調(diào)整超參數(shù)進行反復(fù)訓(xùn)練，獲得性能最好的網(wǎng)絡(luò)模型作為溢油識別模型。

16、優(yōu)選的，s103中，判斷網(wǎng)絡(luò)是否收斂的損失函數(shù)為公式：

17、

18、其中，ce(c,p)表示交叉熵損失，ci表示分割物體的類別，pi表示模型對于數(shù)據(jù)集中n個類中每一個預(yù)測的類的概率。

19、優(yōu)選的，s103中，網(wǎng)絡(luò)性能的評價指標通過公式來計算，其中a表示預(yù)測的分割區(qū)域，b是真實的分割區(qū)域。

20、優(yōu)選的，s3中，未來環(huán)境數(shù)據(jù)為時空數(shù)據(jù)，未來環(huán)境數(shù)據(jù)包括風(fēng)場、流場和浪場數(shù)據(jù)，未來環(huán)境數(shù)據(jù)獲取包括以下步驟：

21、s301、從gfs獲得的風(fēng)場、hycom獲得的流場、fvcom獲得的浪場預(yù)報數(shù)據(jù)輸入時空預(yù)測網(wǎng)絡(luò)，時空預(yù)測網(wǎng)絡(luò)中的卷積循環(huán)結(jié)構(gòu)同時提取時間和空間信息，并充分考慮時空統(tǒng)一性；

22、s302、時空預(yù)測網(wǎng)絡(luò)的輸出數(shù)據(jù)與同一時刻的era5風(fēng)場再分析數(shù)據(jù)、哥白尼流場和浪場再分析數(shù)據(jù)計算損失；

23、s303、至?xí)r空預(yù)測網(wǎng)絡(luò)損失值收斂，得到風(fēng)場/流場/浪場矯正模型。

24、優(yōu)選的，s4中，采用拉格朗日法，計算每個油粒子在位置xi的移速，表達公式為：

25、

26、其中，va為海面平流速度，受流場和風(fēng)場影響，vd為湍流速度，受浪場影響，va計算公式為：

27、

28、其中，為海面流速，為海面風(fēng)速的一部分，具體表述為：

29、

30、

31、其中，u、v為原始風(fēng)速在經(jīng)緯度方向的分量，α為風(fēng)漂因子，β為風(fēng)向偏角，α的定義公式為：

32、

33、其中，為風(fēng)漂因子原始取值，通常作為經(jīng)驗常數(shù)設(shè)置為0.01～0.04，zi是油粒子當前距海面深度，d為風(fēng)漂深度，表示在該深度范圍內(nèi)，α?xí)S油粒子深度zi的增加而線性減小，即油粒子所受到的風(fēng)速會變小，油粒子的深度zi受垂直方向速度影響，具體公式為：

34、

35、其中，w為終端速度，k為擴散系數(shù)，與當前深度zi有關(guān)，w是一標準維納過程，即粒子所做的布朗運動，可視為油粒子在連續(xù)時間的一種隨機游動，終端速度w的定義為：

36、

37、其中，g為重力加速度，r為油粒子的半徑，v是海水的粘度，v與海水的溫度t和鹽度s有關(guān)，ρ'為密度比，v和ρ'的具體表述如下：

38、v～f(t(xi,t),s)；

39、

40、ρw～f(t(xi,t),s)；

41、其中，ρo為油的密度，ρw為海水的密度，受海水溫度和鹽度的影響，海水的鹽度s在相鄰海域的變化很小，設(shè)為一個固定值，海溫t因為大氣的晝夜溫差產(chǎn)生較大的波動。

42、優(yōu)選的，所述拉格朗日模型求解方程公式采用四階龍格-庫塔方程求解，四階龍格-庫塔方程包括以下方程：

43、

44、其中，中間時刻的速度v由四階插值法計算，利用n-2、n-1、n、n+1時刻的流速，計算公式為：

45、

46、因此，本發(fā)明采用上述一種海上溢油識別及預(yù)測的改進方法，能從衛(wèi)星圖像中自動識別并分割出溢油區(qū)域，并從溢油區(qū)域邊界輪廓播種拉格朗日粒子，真實模擬溢油初始狀態(tài)，對風(fēng)場、流場、浪場數(shù)據(jù)進行矯正，對海溫數(shù)據(jù)進行預(yù)測，將這些數(shù)據(jù)輸入到拉格朗日模型中，獲得更精確的溢油擴散預(yù)測結(jié)果。

47、下面通過附圖和實施例，對本發(fā)明的技術(shù)方案做進一步的詳細描述。