|
$ H8 m7 c8 r7 [- D: h
原标题：《人工智能海洋学基础及应用》正式出版！
' `9 H2 e% t( g0 k' H$ u0 I
1 e E6 ^7 g" n- x: p1 p 
% A2 r% W/ K5 Y
（请在订单备注处注明发票抬头和税号）
p; S7 O8 |2 _/ f 官方旗舰店质量保证！出版社库房直发， + P* ?% U* ?* }
提供正规电子发票！
6 }( Q8 n, |" P, o X 人工智能海洋学是一门融合人工智能和海洋学的新兴交叉学科，本书旨在详尽充实地介绍人工智能海洋学的相关知识。本书共分9章，介绍了海洋大数据、Python语言、人工智能基础（神经网络、深度学习、卷积神经网络和循环神经网络）、海洋特征智能识别、海洋参数智能预测、动力参数智能估算和模式误差智能订正等，深入浅出地介绍了人工智能技术在海洋学中的应用。
$ M# A% O3 ~! z4 O* Y 目录
$ Q, y- e, N7 A* F# o 前言 % i) B: d) V# S8 i G S6 o
第1章 绪论 1
5 s* b% F$ x% B a6 A. Z 1.1 人工智能发展历程 1 : L# a9 F7 D; B1 n
1.1.1 第1次浪潮(20世纪50年代中期～60年代中期) 2
$ N" [# J' {! M0 ]. [ 1.1.2 第1次低谷(20世纪60年代中期～70年代中期) 2 - d b- U: M- T* H
1.1.3 第2次浪潮(20世纪70年代中期～80年代中期) 2 % |# K" ]6 j ~2 k7 E
1.1.4 第2次低谷(20世纪80年代中期～90年代中期) 3
& `% O7 ?# Y2 b/ e% K/ j6 B; m o! g 1.1.5 第3次浪潮(20世纪90年代中期至今) 3
" e% v3 j0 B( I+ m5 ~4 [5 [ 1.2 人工智能海洋学发展历程 5
5 |) \3 @4 K; J3 q% N 1.2.1 海洋特征智能识别 6
& c: z8 `% a# g' C( @ 1.2.2 海洋参数智能预测 6
( M e2 }# I; l& D+ g! D 1.2.3 动力参数智能估算 7
( \6 V( g& p& c0 d1 x1 D 1.2.4 海洋智能化探测 7
. R7 |' o2 H7 f; T) {8 f$ Q+ l 1.3 本书的结构和基本内容 8 - W/ W4 d0 c2 D6 j& \, o, B
第2章 海洋大数据简介 10 % B% o7 k3 g7 y: U$ I
2.1 大数据概况 10 - T: @; Y7 `2 a4 |+ k* e
2.2 海洋大数据的发展历程 10
# o* ?% @& ]+ ~0 f# K0 f0 W 2.2.1 海洋数据的初步积累阶段 11
2 y5 T. i9 r) h+ I; w' N+ ^ 2.2.2 海洋数据的进一步积累阶段 12 : ]* @6 S" Z( L# C0 b! j
2.2.3 海洋数据的大量积累阶段 13 ' ?: R7 U4 K+ o& C
2.3 海洋大数据的定义及特征 14
$ i J$ V N+ Q5 \ 2.3.1 海洋大数据的定义 14 ) m& I# s# C% u0 L& L7 }
2.3.2 海洋大数据的特征 14
6 a! e D9 n5 q/ H 2.4 海洋大数据的数据来源 15 & d4 K' I5 {9 h4 K
2.4.1 海洋实测数据 15 6 \( `' o) g x; n4 a, ]- Y2 X2 @9 h& l
2.4.2 海洋遥感数据 18
: X' N1 O) C4 t5 W 2.4.3 海洋模式数据 21 9 c2 M/ u( g9 }! |4 \ {
2.5 海洋大数据的处理分析 23
/ l) I/ g+ z: p2 x8 i" l 2.5.1 海洋大数据的存储与管理 23
- V' t$ P) v! {1 C: t 2.5.2 海洋大数据分析挖掘技术 24
' z& q7 s, A) K7 j7 l0 } 2.5.3 海洋大数据可视化技术 24 A k9 C. {. _, D6 B5 h4 s
2.6 常用海洋大数据平台 25 - r8 T# e& G; N( P
2.6.1 海洋科学大数据中心 25 ; n' E3 O2 h# v& I' x! S
2.6.2 美国国家数据浮标中心 26
- M/ f2 H. U f. M 2.6.3 欧洲海洋观测和数据网络 26
: X4 K4 f( e8 m5 ^- C 2.6.4 日本气象厅平台 27 % m5 P# K8 c) U' N3 U
2.7 一种常用的海洋大数据管理系统 27 5 r, Y# P m" Y/ Q
2.7.1 为什么需要Hadoop 27
$ Z* ]* |8 d4 R2 @8 r U: w 2.7.2 HDFS 29
7 n8 _! T! P, y 2.7.3 MapReduce 31
* h/ C$ R. }$ Y/ h) Z 2.7.4 Hadoop的部署 32
& z2 F [& q4 ?/ b! y+ r5 w 思考练习题 37 0 V- K: C/ `) ~0 e) m
第3章 Python语言 38 y( o# \) s& v/ M
3.1 安装与运行 38 2 r4 I. H- t" V/ M
3.1.1 安装Anaconda 38 9 t6 s0 f5 S1 a% d: d
3.1.2 安装PyCharm 41
/ e. I8 D$ A$ |+ [+ X n 3.2 基本变量类型 42
. U- Z! N0 z3 D; e1 f$ S 3.2.1 数字与运算 43
) r1 p) ?8 Q s0 ~" ~3 W 3.2.2 字符串 44 ) B* i; a; {( k3 y& [1 l6 Y: h
3.2.3 列表 44 / ^$ Q9 q. k1 U0 z7 l; F" ^
3.2.4 字典 46
& A0 g: K7 L' R2 g M9 Y 3.3 函数和类 48 3 u6 j% Q, n3 `- j1 h
3.3.1 函数 48 ; N1 S( [' v g& W3 {
3.3.2 类 48
) ]; n# p9 F% y3 E2 ~0 U 3.4 循环与判断 51 0 f& @2 ^3 I0 ^% F4 b! l
3.5 库 52
9 }4 U0 r$ z# B, H: N2 J4 n l, v 3.5.1 Numpy 52 & G. U6 u4 s! n0 E V
3.5.2 Matplotlib 55 " D9 S$ M9 N. t% S, m7 g
3.5.3 NetCDF 69 2 M/ ]3 Y0 b5 y9 B# R. g8 Y
3.5.4 Xarray 69
9 z1 p: e6 p0 y) G 3.5.5 Cartopy 72
$ J0 x) [1 L! J3 U) ~6 q; x/ t 3.5.6 TensorFlow 73 - G/ p; ^! h2 z/ r* D
思考练习题 76
( D# ?" i P) @2 `6 m 第4章 人工智能基础 79 , t. d( K1 R4 p: H/ i% V
4.1 人工智能基本概念 79
) y, u9 y4 r$ J7 ]7 @- L5 z/ a 4.1.1 数据集划分方法 79 & H5 D) _6 W" ]4 q& v3 G- j
4.1.2 分类问题评价指标 80
! y4 }) S2 b, K) o7 M- p. ?/ p3 O 4.1.3 回归问题评价指标 82
' K5 x" k3 Y1 Q, R 4.2 BP神经网络 82 , G, I8 N8 c- X* J/ I
4.2.1 神经网络基本概念 83 - w; k8 n6 l% G9 Z8 x, k/ q
4.2.2 M-P模型 84 ' Q# O1 n( N0 @# m Y. E& [, |
4.2.3 感知机模型 85
1 L# _7 }$ ?/ s4 d& Q 4.2.4 BP神经网络 87 0 o4 H4 ~& @- Y! r; V
4.3 其他神经网络 90 0 C0 a- V5 U; f5 Z
4.3.1 前馈神经网络 90
5 C6 \% |3 q: V8 z: R 4.3.2 模糊神经网络 91
; T ~" i! U" b. B! e1 G1 o 4.3.3 径向基神经网络 93 ' j+ D' J* J0 j# T# _! ~+ Z
4.4 上机实验：搭建BP神经网络 95 / ^) h$ j$ \! H0 T9 I
4.4.1 数据准备 96
3 ?- ]% D) C% J$ u2 R' {& O 4.4.2 模型搭建 96
V5 m3 a! s+ J& F 4.4.3 结果检验 97
. Q4 Z- @6 a. D4 W! c( ~ 思考练习题 100
1 b! L# s$ X, B& t3 d% e* r 第5章 深度学习 101 2 l7 }. {4 F: u( y6 a. {; j
5.1 深度学习入门 101 F9 N2 V7 v5 U7 E4 L
5.2 深度学习的特征 102
9 O- r5 g _2 `' ]6 j 5.3 卷积神经网络的基础结构 104 ; v4 Z" u: v% V, c+ {
5.3.1 数据输入层 104
i0 @& z9 l1 V# f8 a0 m 5.3.2 卷积层 105 # v }; o0 l8 j7 e7 K: D4 H
5.3.3 池化层 107 6 ]6 B2 z$ ^$ }0 q: a% R6 A9 @$ V
5.3.4 全连接层 109 4 [! x% s8 Z6 s5 x3 h( X
5.4 常用的4类卷积神经网络架构 109 ) B6 l* G% Y* o0 Y2 V' G5 b. R0 U
5.4.1 LeNet5 110 6 ` G5 ~8 g/ y v' J
5.4.2 AlexNet 111
. |7 w. n0 q1 ^, v& N- ? 5.4.3 VGG 114
5 j8 w1 j" j; A0 A" ~( @- R 5.4.4 ResNet 115
* l( t$ i4 q, l! W- \: k# X' q 5.5 基于卷积神经网络的语义分割 118 2 f; ?: h0 j: _0 j6 D1 _9 K
5.5.1 图像处理的不同层次 118
y8 |3 E `& C9 w% ` 5.5.2 全卷积神经网络 120
. }. i8 U) X- D% c! Z 5.5.3 DeepLab系列模型 123 ; v! `1 E1 r6 q
5.5.4 PSPNet 127 ! ?" x; e) N1 r: T& \5 s
5.6 上机实验：搭建卷积神经网络 129
# T5 W) [8 N; ?4 k* I; Z. M 5.6.1 模型搭建 129 5 v( m' ?8 c/ ^3 \/ @$ m e
5.6.2 结果检验 131
, K3 e( K! x1 l9 W4 |! ]+ | 思考练习题 133
M& l6 `0 @9 Y' N6 r 第6章 循环神经网络 134
$ k' d) p) M" ~5 j L, P/ G 6.1 循环神经网络 134
, e8 z7 [8 k' c# l8 n; N1 a 6.2 长短时记忆网络 137 4 f' @) i& [! i" r. W2 G
6.2.1 LSTM的内部结构 137 9 w1 m% i! t5 u* G; c9 m8 z! q
6.2.2 LSTM的“门”结构 138 8 P* z) ]* X4 T& [/ i7 x# O' I. O
6.3 门控循环单元 141
, r" l7 k' b7 i2 Y" X: m1 L/ d5 K2 p 6.3.1 GRU的网络结构 141
& H6 J$ R6 P* S3 t) z& K; w* h 6.3.2 重置门和更新门 142
2 U, N7 c0 X6 s9 x& ^- y' c* w" | 6.3.3 候选隐藏状态 142
( X! I# `5 a5 l! ?5 x1 r+ Y 6.3.4 隐藏状态 143
5 C& Q3 j* w$ `% L2 Z0 ]& } 6.4 双向网络结构 145
# }' S. I& G9 i- g 6.4.1 双向长短时记忆网络 145
) D% G: t, @+ \' B 6.4.2 双向门控循环单元 146
5 f; o% D8 f6 p 6.5 上机实验：搭建循环神经网络 147 3 x3 S, b9 t" K+ p& q" a! [+ Z3 Y
6.5.1 数据准备与模型搭建 147
$ N$ R) Z! B% S1 [# V 6.5.2 结果检验 149 - R' i! I6 T9 Q3 i; Q7 a6 E. U$ K
思考练习题 151
; G) F- h X& `8 e6 Y# G+ W/ B7 y 第7章 海洋特征智能识别 152 + h9 N7 j; y/ N- R6 a7 \
7.1 海洋涡旋与智能识别 152
* W: i& ]5 J( N1 d 7.1.1 海洋涡旋 152
& E5 h# X {1 D5 Y! o: u, T 7.1.2 基于PSPNet算法的海洋涡旋智能识别 153
0 I2 q* g! |/ Y& O3 T6 `7 S; J" y) c 7.1.3 不同人工智能算法在海洋涡旋识别应用中的比较 160
. g/ c4 s- {4 H3 ~" a9 ~ 7.2 海洋内波与智能识别 166 6 ^' g, x0 U# D R; [) N
7.2.1 海洋内波 166 6 ?+ ~) F" G9 L0 |
7.2.2 海洋内波的智能识别 168 $ V. W, b$ t, o: C
7.3 海表溢油与智能监测 170
' i. Z: j. t8 \8 H' P+ c9 ` 7.3.1 海表溢油 170 - ]7 }# f# f$ z6 s- a6 Z
7.3.2 海表溢油监测 172
+ B$ ^, c1 E; _9 g' a. {+ q' U 7.3.3 海表溢油的智能监测 172 # P% {2 ^; ]0 Y
7.4 海冰与智能探测 176
0 i' o0 ]2 V0 W) e( B. _ 7.4.1 海冰 176 4 u4 ?: n( ~3 f6 X- E
7.4.2 海冰探测 177
- [# q0 K9 S0 R 7.4.3 海冰智能探测 177 ) p9 ?4 @# k( \ O. p7 N
7.5 海洋藻类与智能识别 180 " a8 W |, U9 L0 Q& \7 _
7.5.1 海洋藻类 180 : c( K- N+ `3 X5 M' k
7.5.2 海洋藻类的智能识别 181 ( T; Z3 g! U' O
7.6 海上船只与智能监测 183
H8 L# [, |# R 7.6.1 海上船只监测 183
" l/ k3 s# _9 z# u 7.6.2 海上船只智能监测 184
1 O S2 N2 B0 C9 E 7.7 上机实验：语义分割识别海洋涡旋 187 ! \* Y( h) a0 e! w* m
7.7.1 数据准备 187
+ A% j9 n5 F' z' ?8 _+ P* E5 {8 a 7.7.2 模型识别 189 5 o/ |7 ]0 D# j0 e P. A( l
7.7.3 结果显示 193 % y0 F7 V: Q4 m
思考练习题 197
) H: U* O* t7 g# U 第8章 海洋参数智能预测 198 , k# f. p6 T; M6 \8 t7 F
8.1 海洋气候预测 198 ( y% o' C3 r0 H& W" k/ U! M5 `4 n
8.2 近岸风暴潮智能预测 201 $ y( A. h7 v( u: G( G9 e: V
8.2.1 风暴潮单点水位智能预测 202 $ }* H" s6 O- Z. Y7 A6 H
8.2.2 风暴潮漫滩过程智能预测 206
/ I' J( q' f; i% A 8.3 海洋波浪智能预测 209 % F: A% ^ I( u. E: R) t& E
8.4 海面风速智能预测 211 8 |% i" \* V3 J& K8 w$ T U
8.5 海表温度智能预测 213
4 ]: ^9 P8 i3 i) X! p 8.6 上机实验：有效波高智能预测 217 ; y) d. D9 g: a, r* `
8.6.1 数据准备 218
+ Y) _/ n6 ^+ h0 h' y% K8 H 8.6.2 模型构建 218
. ?& g* ]& X: Z2 E$ J2 W( U 8.6.3 结果展示 220 8 a- S$ s% b9 x$ ?2 X* K
思考练习题 221 / Z, D; z, A/ H$ P- b
第9章 动力参数智能估算和模式误差智能订正 222 8 z; K$ x* ]9 H! m2 C
9.1 海洋模式次网格动力参数的智能估算 223 9 E# s7 t" \5 N) U( Z; P
9.1.1 准地转海洋模式 223
! k2 i+ W7 h S, m 9.1.2 降低数据分辨率 224
5 f) s% r) U3 Q- U 9.1.3 智能估算模型 225
- }( O/ U: J* @2 e* [" V 9.1.4 智能估算结果 226 7 |: \6 c" G9 c) W# L, z5 C
9.2 大气模式湿物理参数的智能估算 229 : M+ _3 M# `# |: J ?
9.2.1 湿静力能量守恒 230
; V% }: H0 |5 e4 J( @: p( [ 9.2.2 神经网络设置和数据 230 2 s0 o7 S1 {% T# K0 W$ n1 V
9.2.3 ResCu的智能预测结果 232 - Y. i) _9 v; e1 z
9.3 数值模式误差智能订正 235
8 h+ N. I# ^, R 思考练习题 238
2 z& ]$ M }1 f: {2 j$ f 参考文献 239 + ^9 Q/ X! `8 c8 C/ _. M- p N% x
4 ^& S J8 y- }( @ （请在订单备注处注明发票抬头和税号） 5 M( ^; U2 C8 x" G1 ~
官方旗舰店质量保证！出版社库房直发， ! T# Z- }1 c# m+ w
提供正规电子发票！
) n, M7 H" z; i9 x# w3 i1 q8 c( X' j: i! q
— END—
9 T* q* K8 J0 R5 d: Z- M9 ^) J. K: L 信息来源：科学出版社。
1 P. H `) l+ D- N/ K7 K! Y! C 转载请注明信息来源及海洋知圈编排 ! k3 O$ p7 t2 `1 X- T
大家都在看
! w' T& U: c; q7 ?/ ^: |8 y" p7 a+ Q$ t. D: Z
► 戴民汉、周忠和院士重磅推荐！国内首套极地海洋科考绘本出版！四位一线科考队员倾力创作……; Q) Z7 w5 D6 Q
► 中科院海洋所李新正课题组组织编撰的《中国近海底栖动物分类体系》和《中国近海底栖动物常见种名录》出版发行！ 0 C# g8 Q- D7 V- W# M
► 经国务院批准成立！自然资源部部长王广华担任“联合国海洋科学促进可持续发展十年”
6 M# b3 I* H! V& L \$ w2 b7 f* v 中国委员会主任，主持召开委员会成立会议并讲话2 X7 z7 ~2 s! P* a! E
► 自然资源部副部长，国家海洋局局长王宏：努力推动海洋强国建设取得新进展
; M, }: x2 D, d, o ► 王颖院士主编《数字南海》正式出版！ * }9 Y. ^- x) ?1 V
5 s* f0 t4 r8 B' K6 j! L6 D2 g" S6 r
► 《海洋空间规划与海岸带管理》出版发行（刘大海、李彦平主编）
- z) ^" ]2 j0 | ►丁德文院士等编著！《中国近岸海洋生态学研究与管理》出版！ 9 T# t" x' [4 Z2 A) K
►《海洋数值模拟》正式出版！董昌明主编
' d& g; p- A v7 g u/ G) N ► 《渤海、黄海和东海沉积物类型图》出版！石学法等编著 0 o+ R; V5 r. H# T: ^9 h
► 填补海洋气象学领域空白！《爆发性气旋》专著出版 + s! ^7 F4 w$ P) H4 C8 b
► 《黄河三角洲湿地碳循环与碳收支》专著出版 + T0 r" p' ?# L
► 《海洋环境分析监测技术》中科院烟台海岸带所陈令新研究员等编著 # C" ~8 H0 U1 i
海 " J/ [0 Z, u/ _0 o$ A( _. @
► 我国首部风暴潮数值预报专著《现代风暴潮预报技术及应用》
- q; y" p' g1 w5 Z2 ]: c( I% R b7 Y 洋 2 Q7 w J: g+ l: F1 z3 c( P
►《珊瑚礁科学概论》：珊瑚礁究竟有多重要？ 6 M( F6 _7 t6 h
书
" ]& T p0 D9 P! I- u ►《现代海底热液活动》栾锡武研究员 著
& O/ h& _, P5 ^6 E K/ z. Y 屋 4 I8 G! X6 g& Y4 Z8 d# q* z
►《海洋机器人科学与技术丛书》出版发行 5 c5 R! W% N0 O
► 我国第一部《海洋生物地球化学》研究生教材出版
/ K0 F1 @% Y1 b' R) ?0 m ► 自然资源部海洋二所吴自银研究员等牵头撰写《High-Resolution Seafloor Survey and Applications》出版 + g0 p& z9 q: u1 \+ s
►《自主水下机器人》封锡盛院士等主编、徐会希高工等著
% `4 o+ n Q" `" A) R ►《渤黄东海生源要素的生物地球化学》 中科院海洋所宋金明研究员等编撰 9 E( F0 R: @ w
► 《海洋和海岸环境塑料污染与治理》 骆永明等编著 5 n5 a3 o0 E$ D/ ]
►《恢复生态学》：湿地生态系统的功益及退化湿地生态恢复的技术方法 7 w# }* G8 F, V9 M. }
►《地球系统与演变》 白令海道开启和和北冰洋的演变 （附注：北冰洋大洋钻探 ）| 汪品先院士：为地球系统科学正本清源 # e) R! [# h3 o' z1 I. M) ~0 ~9 l6 x
► 《黄河三角洲湿地生境演变遥感监测》出版 % M' I0 L; y8 _
海洋知圈 % D2 U0 q3 a. M3 y0 O
知晓海洋 | 探知海洋
& M5 f1 u0 j) d/ K6 L 宣传海洋 | 服务海洋 % u+ p, r% Q6 G& M- e. d; A
如您喜欢，请“点赞”并点亮“ 在看” |
