|
' @* C# f4 E& R: U' [/ ?+ N1 h; d4 q 原标题：《人工智能海洋学基础及应用》正式出版！ . |0 L1 B( F) w8 j7 o0 r2 y' j1 _
4 d' }1 ?' u: ?
( _ O, V+ g' J) i1 Y （请在订单备注处注明发票抬头和税号） ( K" t% k+ o( @1 O# p8 R
官方旗舰店质量保证！出版社库房直发，
* ]- ^* b, W# h4 } 提供正规电子发票！
4 D7 p. u- h1 ~6 z 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。 $ d' ~6 ^ e/ `' v) }. b6 h& k& B7 b
目录 & q! a3 T. O; d4 ?0 A. U
前言 % G& z) F y* k2 D
第1章 绪论 1 ! X" X& a8 @) l7 {) y- X8 @4 t% {0 a- ~* r
1.1 人工智能发展历程 1 ' h8 ]) l2 X( O0 D3 |" |8 {
1.1.1 第1次浪潮(20世纪50年代中期～60年代中期) 2
0 v3 q0 q1 z* Q+ P# b- I$ J1 Y$ x$ V 1.1.2 第1次低谷(20世纪60年代中期～70年代中期) 2
5 S0 I, j' s* h& ] 1.1.3 第2次浪潮(20世纪70年代中期～80年代中期) 2
* e% M# M4 S" m$ i 1.1.4 第2次低谷(20世纪80年代中期～90年代中期) 3 4 N% } X: C5 _2 A
1.1.5 第3次浪潮(20世纪90年代中期至今) 3 1 J; w1 X1 q" a+ K3 ?6 P
1.2 人工智能海洋学发展历程 5
3 H8 D% `% s( C1 S! m6 X7 Z3 {, \ 1.2.1 海洋特征智能识别 6 , W! g+ M3 u ]/ F5 ]
1.2.2 海洋参数智能预测 6 6 _: r. w5 {/ _) W. o% U& ?
1.2.3 动力参数智能估算 7
4 O9 [7 k& t* S5 ]+ Q 1.2.4 海洋智能化探测 7 $ e7 b, u% ~1 [5 p
1.3 本书的结构和基本内容 8 ! F* z; Z6 `% U. P1 J9 `, ?& R
第2章 海洋大数据简介 10
6 r! I' {5 ]" o$ R2 M2 E3 [ 2.1 大数据概况 10
8 l# U: G. O4 I9 z3 A& A: G 2.2 海洋大数据的发展历程 10
( Q2 k- d% ~2 V; R$ B; I7 I 2.2.1 海洋数据的初步积累阶段 11 . K+ P8 C+ D3 l+ j" V! H
2.2.2 海洋数据的进一步积累阶段 12
( Z( @1 C. P! X. g 2.2.3 海洋数据的大量积累阶段 13
4 s$ f' C5 v- A8 Q 2.3 海洋大数据的定义及特征 14 / j/ ]2 Q% S9 Q# r: z: s. F
2.3.1 海洋大数据的定义 14 / m5 l+ U" a" I' y% L+ I
2.3.2 海洋大数据的特征 14
0 n$ w2 x8 Z+ A 2.4 海洋大数据的数据来源 15 8 S8 {/ D" b! v
2.4.1 海洋实测数据 15 ! H3 ~. s' Q) d
2.4.2 海洋遥感数据 18 - K. R5 E; P2 R9 n
2.4.3 海洋模式数据 21
) q9 A7 r2 O' B 2.5 海洋大数据的处理分析 23
9 u1 R+ ]- z. P, R; g% T 2.5.1 海洋大数据的存储与管理 23
, E) P6 p9 @5 I" ~ 2.5.2 海洋大数据分析挖掘技术 24
% `$ F P; B* s; L7 f! {: r 2.5.3 海洋大数据可视化技术 24
) S9 F! Y1 i. P) A @, R. K 2.6 常用海洋大数据平台 25
/ V) o/ {& ^& ?) Z: Q6 y! j 2.6.1 海洋科学大数据中心 25
6 G9 M. m! p: X' I" _ 2.6.2 美国国家数据浮标中心 26 , m0 {0 \: u7 S
2.6.3 欧洲海洋观测和数据网络 26 ! [3 m1 {- B: U5 s: h
2.6.4 日本气象厅平台 27
% @$ C1 v5 Y0 f& a( E0 x1 @: P 2.7 一种常用的海洋大数据管理系统 27 + J/ E2 z/ D6 K4 U/ x" t
2.7.1 为什么需要Hadoop 27 ' N# o3 q# @) z* A% |. C
2.7.2 HDFS 29 / E7 T7 e5 s `/ i% j
2.7.3 MapReduce 31
% M5 }( U) Z6 ` 2.7.4 Hadoop的部署 32 ! ~, F' G+ m6 D4 I: B! w
思考练习题 37 ! U/ U$ N v+ x4 V7 r" Y3 s Z: k: R+ Q
第3章 Python语言 38 / O# W& c8 p( R
3.1 安装与运行 38
5 `) v0 u! g2 `2 { 3.1.1 安装Anaconda 38 ! u8 z$ Z5 x* w7 I$ a
3.1.2 安装PyCharm 41
. N+ N1 g! ]2 A0 C! c 3.2 基本变量类型 42
, q" n0 x9 O% A 3.2.1 数字与运算 43 % I; \0 R4 Y' Q- T5 f
3.2.2 字符串 44
|* X- E- c4 g& H+ z( { 3.2.3 列表 44 7 {+ s/ ?8 Y& j( _
3.2.4 字典 46 # v6 \( h+ }: r6 a4 u Z
3.3 函数和类 48
; U" _5 w$ ?6 U/ y' Z 3.3.1 函数 48 % _9 J f1 U+ C* M* @/ y3 U$ A7 k
3.3.2 类 48
5 S8 \" Y; \, X! r: h 3.4 循环与判断 51 - W2 T9 P5 I, S* h
3.5 库 52 # l, v" P0 r! M2 e" K
3.5.1 Numpy 52 ! J& h* P: p6 V5 R, b
3.5.2 Matplotlib 55
: T4 s% e1 y: y8 [' I8 O) T 3.5.3 NetCDF 69 - S; `+ F: H1 w* k; }1 s7 W
3.5.4 Xarray 69
+ y6 Z2 L) j) W 3.5.5 Cartopy 72
9 p, z6 z8 B) g7 d; C$ z 3.5.6 TensorFlow 73 ! \/ `. ?( q) r$ e( @. {
思考练习题 76
/ A3 {8 D! |9 V" x 第4章 人工智能基础 79
0 p! M) Z/ U9 D2 g+ K$ B; [9 s% ? 4.1 人工智能基本概念 79
: P/ m. H( `* y) z 4.1.1 数据集划分方法 79
. ?/ d0 O, s8 _+ `8 ^1 |6 H5 H 4.1.2 分类问题评价指标 80
6 _1 E. o" k0 w$ j 4.1.3 回归问题评价指标 82 $ s5 D) o8 b) B; l$ y" H( G, ^
4.2 BP神经网络 82 ) t5 `9 t4 {5 P) l" g; f
4.2.1 神经网络基本概念 83 & K4 D3 T. T6 o \0 ^
4.2.2 M-P模型 84 ) O. G$ a* _6 z* k
4.2.3 感知机模型 85
4 N4 z% C* |( Q5 Y1 D1 W1 w0 G 4.2.4 BP神经网络 87
2 x( X/ U1 n* n' M e: F, q 4.3 其他神经网络 90
$ i, O8 ~7 j+ ]/ S& g 4.3.1 前馈神经网络 90 * e! b4 \0 ]# ^
4.3.2 模糊神经网络 91
+ x1 F1 x7 o9 O$ C9 H" \6 L 4.3.3 径向基神经网络 93
: p+ F5 K! p0 E4 j 4.4 上机实验：搭建BP神经网络 95 ; S' M) L5 T1 _ t" L7 f+ T" V
4.4.1 数据准备 96 0 v% j* A4 L0 z! O; q" J/ I# G1 u$ z
4.4.2 模型搭建 96 + ~; `8 b( B& T/ V( E+ n3 W
4.4.3 结果检验 97
7 o! ?" p6 V' R' b 思考练习题 100
+ H4 c7 {2 y$ i1 G7 _ 第5章 深度学习 101 # R" e( h% g- f+ ?
5.1 深度学习入门 101
4 P( _% _% k. ?: p* O 5.2 深度学习的特征 102 ( M) c' e, V8 @- y
5.3 卷积神经网络的基础结构 104
) m3 \% G9 ?+ ]1 J5 c0 U5 n$ z 5.3.1 数据输入层 104 O1 d" {3 E& |6 [ H! u
5.3.2 卷积层 105 5 V1 U6 D5 Z9 h) D; [3 ]) \
5.3.3 池化层 107
; w% t8 i6 s9 T) o( x8 ` 5.3.4 全连接层 109
0 u/ \ \, [/ Y# j: |: E* @9 o 5.4 常用的4类卷积神经网络架构 109
" I2 F* u, N) w7 z# u% q/ S 5.4.1 LeNet5 110 " f1 @& T; O; `# Z
5.4.2 AlexNet 111 # I1 u3 Q+ V& \7 j( r. Z& [" e1 B
5.4.3 VGG 114
5 A6 G$ M" Y2 m* h) M" B6 n 5.4.4 ResNet 115 $ o5 o2 {% s2 ~9 b8 `- z3 J- _
5.5 基于卷积神经网络的语义分割 118 * G& u& C7 O% h/ E) d1 e
5.5.1 图像处理的不同层次 118 5 v, y* @; F1 [
5.5.2 全卷积神经网络 120 2 f) ]( j6 i' t4 n0 D
5.5.3 DeepLab系列模型 123 2 Z x$ q6 n0 y- T# S
5.5.4 PSPNet 127
: ]2 G' J2 s0 |2 C 5.6 上机实验：搭建卷积神经网络 129
8 g" N5 y1 K/ H& B2 z5 e! P% m1 p1 _ 5.6.1 模型搭建 129 0 y9 l8 H7 S3 n4 p6 P% q' T
5.6.2 结果检验 131 1 \4 \0 p2 z$ T& Z9 m) r# L, i' s
思考练习题 133
; \0 o- J0 N4 O9 [. D 第6章 循环神经网络 134
5 S0 u) Z c7 m7 s: o& i: d; w 6.1 循环神经网络 134 ' H' Y' g q/ e8 U) {4 ~
6.2 长短时记忆网络 137 u: e- d. z$ C! O
6.2.1 LSTM的内部结构 137 : T& ?2 y" G& z W
6.2.2 LSTM的“门”结构 138 - Q6 V, K) m9 m
6.3 门控循环单元 141 0 R% p+ q" b; {8 ~: _' t1 Q1 ^
6.3.1 GRU的网络结构 141 ; [' ^5 }3 U4 Q/ X. Y( W7 k
6.3.2 重置门和更新门 142
$ P3 G9 p6 E: W( n4 z7 B 6.3.3 候选隐藏状态 142
" t' b3 T8 ^& K 6.3.4 隐藏状态 143
* h `2 ]/ k. G: @" j! v/ q/ ~5 P 6.4 双向网络结构 145
N/ y+ p* ~" L' g, _* V 6.4.1 双向长短时记忆网络 145
7 j% c# z' d# u6 ~ 6.4.2 双向门控循环单元 146 5 B. J9 e; i5 e) b( Y) L
6.5 上机实验：搭建循环神经网络 147 # G# s" a P( X( t; t. B/ h
6.5.1 数据准备与模型搭建 147 2 J; [$ C& E( f- X, D& K# k: \: ]. o
6.5.2 结果检验 149
( ^+ c1 L5 y8 y$ g" k! B! n 思考练习题 151
( i& b5 J' N) J7 Q8 c 第7章 海洋特征智能识别 152
# K ^' g' C% e5 o5 d 7.1 海洋涡旋与智能识别 152
v+ A# O% h: o8 C* @- Q$ u 7.1.1 海洋涡旋 152 2 S, d, y/ G) k5 s8 D
7.1.2 基于PSPNet算法的海洋涡旋智能识别 153 8 Y8 N Z _! P0 b
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 8 B, v, Y/ s1 u7 e
7.2 海洋内波与智能识别 166
7 s$ D9 ^* C9 |9 c. b: j 7.2.1 海洋内波 166
9 b, K& r4 J& i/ P 7.2.2 海洋内波的智能识别 168 * W8 R0 }+ ^& s" q9 u
7.3 海表溢油与智能监测 170
6 W4 J) s: E6 ^5 t2 N 7.3.1 海表溢油 170
3 M) g* ^+ L+ P! e" L 7.3.2 海表溢油监测 172
. R c o0 K% x 7.3.3 海表溢油的智能监测 172
9 z H& R) t3 O+ ?& K- T4 h 7.4 海冰与智能探测 176 - q* p4 a2 \9 Y2 W/ ]3 P: o6 |
7.4.1 海冰 176
& ~' r- X% k P+ Z. g! m! m 7.4.2 海冰探测 177
$ {0 F7 ]- ]0 g+ u' `( L' k# c 7.4.3 海冰智能探测 177
4 E p0 o( R0 ~7 Y% d+ z4 c" z 7.5 海洋藻类与智能识别 180
0 [5 R/ B) W+ W: Q+ \! i 7.5.1 海洋藻类 180
9 ~1 V7 Z. u- i( M: `; i. F 7.5.2 海洋藻类的智能识别 181 - r7 B8 U2 `7 D3 F" n' l
7.6 海上船只与智能监测 183 6 `* Z! Q3 v% p; m; X
7.6.1 海上船只监测 183 + t) B3 [6 n% N7 h) A7 H
7.6.2 海上船只智能监测 184 5 M6 T# n9 S' D# z+ a: S1 j
7.7 上机实验：语义分割识别海洋涡旋 187 - Q `9 o" F5 V. h" |
7.7.1 数据准备 187
3 P1 J' F' q' k, Y# E# P; n 7.7.2 模型识别 189 1 F5 k$ t; o: F; }2 _; _/ o5 ?
7.7.3 结果显示 193 ! D8 M4 n+ R. V. [, ?1 L
思考练习题 197
7 W" g5 p& R Z: c 第8章 海洋参数智能预测 198
7 r3 f% R# V# G) X2 l 8.1 海洋气候预测 198 : D$ H' J% `" M+ c C K
8.2 近岸风暴潮智能预测 201
( w! @2 \$ p' a3 i 8.2.1 风暴潮单点水位智能预测 202
4 B3 D$ d- f% M W7 W 8.2.2 风暴潮漫滩过程智能预测 206
% A' d) ~, e; C$ |( x( Y 8.3 海洋波浪智能预测 209 + m5 Y; K& T. ]& o; [( T
8.4 海面风速智能预测 211
4 H5 h& t3 [. w$ ` 8.5 海表温度智能预测 213 0 M6 h! N$ Q7 \. A# {# n
8.6 上机实验：有效波高智能预测 217 v8 \7 \' g1 t; U7 d J- E% I) f
8.6.1 数据准备 218 $ C# ^. `% [. B( W
8.6.2 模型构建 218
+ ~5 S: {9 U* R* X. u ^ 8.6.3 结果展示 220 8 a! Z, K- P# t( e) H: q
思考练习题 221 : ~' e9 {0 @2 {7 R
第9章 动力参数智能估算和模式误差智能订正 222
# ~2 E/ g* m2 p; M1 _( W# k 9.1 海洋模式次网格动力参数的智能估算 223 % O2 N8 ~# s, q! @& N1 p+ T
9.1.1 准地转海洋模式 223 / o/ R- n8 A* E% G: C9 n& s
9.1.2 降低数据分辨率 224
' k0 V7 `* o# P O3 k 9.1.3 智能估算模型 225 . `: u9 Z. j& I8 E3 e/ p7 \3 ?
9.1.4 智能估算结果 226 * ~: y% {' r% N/ g3 Q8 C( R
9.2 大气模式湿物理参数的智能估算 229
?# O( Q! v X& k2 ^' Z 9.2.1 湿静力能量守恒 230 / }8 ?9 w, V; x2 E% E- J
9.2.2 神经网络设置和数据 230 4 i6 h! S# }% s5 u
9.2.3 ResCu的智能预测结果 232 ~+ r/ J7 N5 x; g
9.3 数值模式误差智能订正 235 1 ~6 p% u2 l; X" A+ R1 M
思考练习题 238
' Y9 z2 D6 B8 N 参考文献 239
9 J) ~. Q$ y2 t' C
8 ?' }0 B; ]. c u. h （请在订单备注处注明发票抬头和税号）
3 z. {; K; @; F, _0 c4 x! M/ ?: N% b 官方旗舰店质量保证！出版社库房直发， % Q& _3 d; i1 J4 O0 O0 ~; a
提供正规电子发票！ 8 E' Y; e, x+ O; M; Z6 L: L- N
1 W3 H4 ?1 {2 n4 E, e — END—
; c8 m) m$ G: S# H9 J 信息来源：科学出版社。 # W$ s0 [8 ~. L, s. B. z
转载请注明信息来源及海洋知圈编排
/ s& a5 ]0 L& o E) W' t' G 大家都在看 * R) G4 i9 v5 w7 _4 f, g
1 l* b$ e. K2 `& `) d; ]& |
► 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……5 i, [" m6 D+ c7 ]
► 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！ : h5 }; x( ~+ c' q$ d, q& d
► 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”" Z5 t: G6 W% Q2 @" b2 Z
中国委员会主任，主持召开委员会成立会议并讲话7 _; e6 L( d2 {$ V1 P
► 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
$ B* p/ J. h% d ► 王颖院士主编《数字南海》正式出版！
- z; `6 v) G! b1 D- ^9 d
U3 F7 f; D2 M* K ► 《海洋空间规划与海岸带管理》出版发行（刘大海、李彦平主编） % B e1 e4 g1 t+ K5 S5 Q
►丁德文院士等编著！《中国近岸海洋生态学研究与管理》出版！
* S, g7 i9 R9 L% t ►《海洋数值模拟》正式出版！董昌明主编
" H* {& {2 z- m6 S/ ] ► 《渤海、黄海和东海沉积物类型图》出版！石学法等编著 2 Y" g! H& S! d2 [! Q& J+ C: ^
► 填补海洋气象学领域空白！《爆发性气旋》专著出版
2 Q) x0 F) ?2 V3 V7 G, r ► 《黄河三角洲湿地碳循环与碳收支》专著出版
7 x& Q/ Y/ u+ D/ u& j, H ► 《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 7 `- K, w2 f7 @9 ]% s. X
海 + T4 V$ h9 `! U9 a( l* c/ j
► 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》
: H2 O8 v* i0 @; F1 Z8 u 洋
) p' h! h5 t9 B6 d6 w% ` ►《珊瑚礁科学概论》：珊瑚礁究竟有多重要？ , a/ Y1 ?7 D8 m
书
8 I' W0 S. |" ^" q- R2 a. f, r; e ►《现代海底热液活动》栾锡武研究员 著
: |) i4 w9 G/ G& d 屋 6 @: k$ W+ l, N$ ^; U7 Q
►《海洋机器人科学与技术丛书》出版发行
6 z, X' T, r* r$ D2 y# ], D# T s# _3 m ► 我国第一部《海洋生物地球化学》研究生教材出版
4 j' @& l) Q2 i6 g" j ► 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 5 c2 K" Z6 `4 R9 J! y* P
►《自主水下机器人》封锡盛院士等主编、徐会希高工等著
2 E* w# p5 G/ `6 ^) x4 K" J ►《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
5 O6 c% k7 a' _5 k7 x' b ► 《海洋和海岸环境塑料污染与治理》 骆永明等编著
R; m+ L* V- B ►《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 ! W+ P2 l( A$ B9 E. X
►《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
. \6 R: F) K; r1 J! D ► 《黄河三角洲湿地生境演变遥感监测》出版 ! O5 n- F) g' S, \8 X5 X
海洋知圈 ! \3 o, g9 e/ g
知晓海洋 | 探知海洋
. g$ h9 g- Q7 m$ g" \; m2 ^ 宣传海洋 | 服务海洋 . N+ u/ j/ X f9 d- Q! D' l
如您喜欢，请“点赞”并点亮“ 在看” |
