|
6 Y4 T% p8 n/ H" z9 H$ q( T
原标题：《人工智能海洋学基础及应用》正式出版！ 0 | p' X( D; I- n/ f0 j7 D6 B
4 U- x# u: A: `; O
$ ^1 `. \5 _2 y% h% V( U
（请在订单备注处注明发票抬头和税号）
( z f: ]9 {& }( d 官方旗舰店质量保证！出版社库房直发， ( X P* j) p# Q/ V) h
提供正规电子发票！ 5 n$ R3 L! { e
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。
% ^, j, i% \4 Q; a' ]5 | 目录
7 O+ a; f! h+ F3 N$ \4 K$ O 前言
( |# N5 E' {% ]6 G" _; p8 F 第1章 绪论 1 ( a! p4 \3 q! H$ S/ l4 W& f, I g( ?
1.1 人工智能发展历程 1
|1 ?3 K* v. S- x1 V& ]: A 1.1.1 第1次浪潮(20世纪50年代中期～60年代中期) 2 8 X9 \, D8 u7 [& e
1.1.2 第1次低谷(20世纪60年代中期～70年代中期) 2
1 \& o: w1 s$ `3 V, G/ K8 Z: | 1.1.3 第2次浪潮(20世纪70年代中期～80年代中期) 2 # I% _. e( U8 F4 r0 d! F
1.1.4 第2次低谷(20世纪80年代中期～90年代中期) 3
3 K9 a0 G" E ^7 b9 q 1.1.5 第3次浪潮(20世纪90年代中期至今) 3
5 H1 n$ i/ @- Q+ Q4 p' [ 1.2 人工智能海洋学发展历程 5 * x, D: @% S$ f' U% `; i) W3 d
1.2.1 海洋特征智能识别 6 , W8 s/ }" ~; U- u1 ^: F( A8 c
1.2.2 海洋参数智能预测 6
0 R7 ?) m: `+ S5 m 1.2.3 动力参数智能估算 7 . Y9 F# k0 [" R# D- e
1.2.4 海洋智能化探测 7
+ Y) u4 M6 B, N6 R( F- x1 Q 1.3 本书的结构和基本内容 8
2 I! T n3 l, r/ }7 p 第2章 海洋大数据简介 10
/ |& C3 i- W- p# ]8 F 2.1 大数据概况 10
# N3 r% G/ E0 w9 R 2.2 海洋大数据的发展历程 10 $ Y% p! W9 j: R$ s: I( u$ c
2.2.1 海洋数据的初步积累阶段 11
. T6 a& z9 k4 G8 k2 w 2.2.2 海洋数据的进一步积累阶段 12 ; K3 [- S. U* B/ F' x
2.2.3 海洋数据的大量积累阶段 13 # H% f# [& n* E8 R, X
2.3 海洋大数据的定义及特征 14 5 ]% S. y$ z3 I# ~7 K1 E2 m: g7 }
2.3.1 海洋大数据的定义 14 & D" J& `. L$ `
2.3.2 海洋大数据的特征 14
8 B0 @# W3 \) t. [ 2.4 海洋大数据的数据来源 15
3 @7 p! A2 ` d1 d3 l3 W2 p 2.4.1 海洋实测数据 15 ; A( g$ o4 S6 c; ~
2.4.2 海洋遥感数据 18 - ?7 v; y- X+ o. ?
2.4.3 海洋模式数据 21 : P2 U! l9 b. E7 ? E' {3 |
2.5 海洋大数据的处理分析 23 4 ?) a: T% t% p6 f5 N
2.5.1 海洋大数据的存储与管理 23
0 c4 U9 B$ t' n9 T& h1 [ 2.5.2 海洋大数据分析挖掘技术 24 - v7 _1 ^/ h4 _! t1 [1 e" G
2.5.3 海洋大数据可视化技术 24 / r& n' T: b" h, f
2.6 常用海洋大数据平台 25 5 V+ v. w/ J3 L3 K4 q+ D8 u2 l
2.6.1 海洋科学大数据中心 25 ' P2 K2 Y3 Z: e) L) i
2.6.2 美国国家数据浮标中心 26
6 p; V" Z2 ?& c) G9 _( `, C 2.6.3 欧洲海洋观测和数据网络 26 6 L! z0 K3 v) b9 c
2.6.4 日本气象厅平台 27
! }% L) \: j) B, @ 2.7 一种常用的海洋大数据管理系统 27
* s% Q' j; W! A1 `" Y 2.7.1 为什么需要Hadoop 27
7 h b$ c3 f. \1 L i 2.7.2 HDFS 29 ! M3 s7 |: F8 G$ W4 k( p
2.7.3 MapReduce 31
$ _! l+ @% ~$ T6 d2 |6 K) d( ^ 2.7.4 Hadoop的部署 32
9 H! W3 |2 ?* U" _+ s9 O! X 思考练习题 37 - s3 ]* \: M& p" E
第3章 Python语言 38 5 I9 o9 D6 Y- m j! |
3.1 安装与运行 38 ^, P, P; X6 L% ~; d% w
3.1.1 安装Anaconda 38 - V1 Q) W3 G. t# M
3.1.2 安装PyCharm 41
$ a& N, _- q/ K( Q: ?5 M7 \7 C 3.2 基本变量类型 42 - h# O& G. o; h: J8 K' C
3.2.1 数字与运算 43
# W6 x, B3 o9 }/ s) s( U- P 3.2.2 字符串 44 , f& P, F$ r3 r2 q& |+ h; i5 y
3.2.3 列表 44
" c4 Q( x/ c |% U x2 r1 m 3.2.4 字典 46 2 @* }6 x" v, r% C8 c3 f7 U I
3.3 函数和类 48 ) n, y2 [& @: H& {
3.3.1 函数 48 w6 V5 Y$ ?, e% L# D4 Z9 g
3.3.2 类 48 # P* C/ r$ p6 t
3.4 循环与判断 51 8 N9 G2 V, U: z+ l
3.5 库 52 - U5 D* F: h- |/ W* X( a
3.5.1 Numpy 52 - ]) ?) u+ n) T3 h
3.5.2 Matplotlib 55 : q2 |8 s7 e. H- V' q- T9 @. e l
3.5.3 NetCDF 69
1 V3 m- I4 }+ h4 M, m7 o0 N ? 3.5.4 Xarray 69
! i. n+ B! r6 m2 M# E 3.5.5 Cartopy 72
1 i' S% l+ { W4 @% ~# O 3.5.6 TensorFlow 73
. E8 n7 K( J5 x) V: K3 w B 思考练习题 76 % F: v2 O$ X' P% h) ~
第4章 人工智能基础 79 " w/ J, ^5 _+ Z4 `* W6 c2 h
4.1 人工智能基本概念 79
( I5 p% W) e7 x7 [9 H, k 4.1.1 数据集划分方法 79
0 j; P V$ N. ]. H; k- P 4.1.2 分类问题评价指标 80
' O8 s6 X* L! o5 ~$ U* _% c 4.1.3 回归问题评价指标 82 7 Q3 b) w, h! C; H* p* F) Q
4.2 BP神经网络 82
; O: m j4 k- x3 N. J2 ?2 o 4.2.1 神经网络基本概念 83 $ s1 Z% O" `/ P( I J# R( |9 f# n
4.2.2 M-P模型 84
) `2 ]# `) g8 Y 4.2.3 感知机模型 85 1 z6 |, z' g. N* Q, \: W
4.2.4 BP神经网络 87
! V# a& p9 ~! o# M5 G1 P 4.3 其他神经网络 90
0 [6 a1 F0 H2 _3 N# V" |) A# ^ 4.3.1 前馈神经网络 90
% T0 ^) U( L! d; q7 \( w& H1 @ 4.3.2 模糊神经网络 91
* Q0 |1 d' o+ q4 U 4.3.3 径向基神经网络 93
0 s/ n( H: T& ]* f 4.4 上机实验：搭建BP神经网络 95 2 W5 r9 x) [2 v* }
4.4.1 数据准备 96
0 }) P. D8 U/ x& @ 4.4.2 模型搭建 96 + C0 p9 f v( z `" Z4 o
4.4.3 结果检验 97
# Q" c( N7 B( |2 t: }) I 思考练习题 100
6 E/ C9 v. M8 y$ p# f; |0 N 第5章 深度学习 101
/ R" V: i9 d7 H: g* O+ x! x+ O8 Y* o 5.1 深度学习入门 101
% @; Z R! `: O 5.2 深度学习的特征 102
* {* c! g) W Y( h 5.3 卷积神经网络的基础结构 104
7 i; S) R5 r" \3 G 5.3.1 数据输入层 104 " d" T) `7 i) |+ R9 R3 H3 q0 W
5.3.2 卷积层 105
1 c# K4 k; Q' x 5.3.3 池化层 107 ; F; h* e" y: _( |& V6 i; L
5.3.4 全连接层 109
3 o" G* w6 Z" Z3 z 5.4 常用的4类卷积神经网络架构 109 4 Y8 P* p* x6 z/ `
5.4.1 LeNet5 110
1 b1 h3 L' a% y 5.4.2 AlexNet 111
, F. k; K! |! [+ e5 @/ e; S- ^# @* l 5.4.3 VGG 114
) R- m! d% S% d/ K& t7 p 5.4.4 ResNet 115 9 r$ W) W! a& K% B: p
5.5 基于卷积神经网络的语义分割 118
6 R( A# O: u5 ^ 5.5.1 图像处理的不同层次 118
y9 `' Q* d( J3 B% o 5.5.2 全卷积神经网络 120 + M% E& R. e; n& i4 g
5.5.3 DeepLab系列模型 123
$ P# b) L6 |1 E 5.5.4 PSPNet 127 ' |& b6 H; i. y
5.6 上机实验：搭建卷积神经网络 129
J) B! |& i, i8 [2 h6 O 5.6.1 模型搭建 129 + r1 K: K2 I# H- ?- \+ A
5.6.2 结果检验 131 & n8 q; T: r, G7 b' k) k! F
思考练习题 133 ) H- u$ U1 I! w3 J! }1 N ]
第6章 循环神经网络 134 ) ~" t$ s7 d6 m$ m9 H# X/ H+ r( q. E
6.1 循环神经网络 134
$ q9 @5 o; y5 Q) [# A5 \- S 6.2 长短时记忆网络 137 : Z5 E$ \5 _5 g
6.2.1 LSTM的内部结构 137 1 ]8 h! q" O o* Q% s9 @9 ?
6.2.2 LSTM的“门”结构 138 , r% R/ }8 Y) l- A& a/ {1 v! w4 z1 W
6.3 门控循环单元 141 1 @* r0 r$ W, U' B. `
6.3.1 GRU的网络结构 141 ! m6 s$ h2 c7 w
6.3.2 重置门和更新门 142 ! W' J- T: v0 I5 i6 R0 D" p
6.3.3 候选隐藏状态 142 & b: p' L# R" h' x' F9 h, @
6.3.4 隐藏状态 143
# I9 d+ q- P: r9 r9 V) y: w 6.4 双向网络结构 145 & y: L/ q: r B, B/ l) K% N
6.4.1 双向长短时记忆网络 145 + b% k1 G' X- Z- h! O
6.4.2 双向门控循环单元 146
/ V) h6 R, n3 ^0 \3 X 6.5 上机实验：搭建循环神经网络 147
) V K; {: C3 @; ?$ b# ] 6.5.1 数据准备与模型搭建 147
! c( e9 P& k! q- m2 E' a+ D 6.5.2 结果检验 149 + p: X1 b! P& z" V. {/ I# ~
思考练习题 151
1 b) S- K$ x1 }( u% y5 b0 I) y 第7章 海洋特征智能识别 152
+ a1 v" _ b- F0 x( M 7.1 海洋涡旋与智能识别 152
: n+ O9 n. W p 7.1.1 海洋涡旋 152
) O& _- P; m7 S; O5 V 7.1.2 基于PSPNet算法的海洋涡旋智能识别 153
& [) V% p+ `. P$ R& Y- {+ @: A 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 2 f# J d8 Q. k
7.2 海洋内波与智能识别 166
6 `3 H9 R5 I" h7 w* u 7.2.1 海洋内波 166
- @& l5 t! c, z% J* w" f6 X# @' S 7.2.2 海洋内波的智能识别 168
+ G( Q9 d; S# x 7.3 海表溢油与智能监测 170 + Z7 M: J9 o( c' s# p
7.3.1 海表溢油 170
% k$ R" Y6 w1 c2 i9 k# M5 t q$ |9 x 7.3.2 海表溢油监测 172
& a! w X3 _( S+ p& u 7.3.3 海表溢油的智能监测 172 - O/ _; S# ]2 r
7.4 海冰与智能探测 176 7 V: k% I C5 V
7.4.1 海冰 176 1 a1 R" a( o. @& x
7.4.2 海冰探测 177 6 X6 `) x9 j' c5 w
7.4.3 海冰智能探测 177
- N- Y1 M4 ?7 V+ }' E; ~ 7.5 海洋藻类与智能识别 180
& p0 D9 f6 F$ E/ m1 W 7.5.1 海洋藻类 180
* f3 i, C7 O# l 7.5.2 海洋藻类的智能识别 181
+ Z/ d7 X! N+ j1 {) G 7.6 海上船只与智能监测 183 * K4 N C6 O6 {+ B/ q
7.6.1 海上船只监测 183
! z7 Y4 Y. f% S 7.6.2 海上船只智能监测 184 % P+ C6 x, G1 W& _, U2 n
7.7 上机实验：语义分割识别海洋涡旋 187 2 H& W( C: g2 g
7.7.1 数据准备 187
! c2 Q$ i: t( M5 A. S/ g+ w9 Y3 Q- m 7.7.2 模型识别 189 ; P' R7 ]2 R- ?
7.7.3 结果显示 193
- x% E' y N; F9 [/ R6 C% l 思考练习题 197 % J0 s" S8 F& n5 R: E( [, k
第8章 海洋参数智能预测 198 / T% J- Y3 a7 d6 m4 O
8.1 海洋气候预测 198
( v. j* i. h: K3 m/ T" Q 8.2 近岸风暴潮智能预测 201
: L5 P* _! R, Y' g- u- z 8.2.1 风暴潮单点水位智能预测 202
5 q. q8 ~+ U+ |. T8 W% R5 b0 Z 8.2.2 风暴潮漫滩过程智能预测 206
8 u- ?7 w1 }* ~7 M0 T 8.3 海洋波浪智能预测 209 6 I! J+ B; r& h9 |3 ~% R# `/ j
8.4 海面风速智能预测 211
6 N1 i' ^1 I3 q0 k 8.5 海表温度智能预测 213 2 f/ I6 X! M4 o5 S+ B% |" W
8.6 上机实验：有效波高智能预测 217
Z2 I9 m& i A; b% | 8.6.1 数据准备 218
5 V& t0 ^9 X; T. n& X* g; r+ r 8.6.2 模型构建 218
6 H" W4 Q, y( p2 Z 8.6.3 结果展示 220
g$ W2 \' ?: E: w$ \( u$ M' D% S/ R( \ 思考练习题 221 " P: s0 ]& x; W$ r+ j5 y" |1 f
第9章 动力参数智能估算和模式误差智能订正 222
: X1 |6 f- l$ }; @9 A 9.1 海洋模式次网格动力参数的智能估算 223
: [5 G% i- q9 ~" D1 @6 }+ ^ 9.1.1 准地转海洋模式 223
) l, J; g9 a0 w 9.1.2 降低数据分辨率 224
0 m- s) ~) R9 q 9.1.3 智能估算模型 225
5 Q2 r& O$ [8 ?: p- U 9.1.4 智能估算结果 226 / f8 j; j, {+ H+ g7 ?2 I- Q
9.2 大气模式湿物理参数的智能估算 229
% _- w, C1 U* }0 W 9.2.1 湿静力能量守恒 230
V2 g1 r9 w$ s, I9 a 9.2.2 神经网络设置和数据 230
! G: Q1 {8 Q- E 9.2.3 ResCu的智能预测结果 232
* K4 e0 H% I) W: Q( @ 9.3 数值模式误差智能订正 235
8 S; h+ V, I( s5 N/ u 思考练习题 238 + b( R' H0 i* X3 ^6 |- b
参考文献 239 & M7 Q0 ^& G) @+ X% p- D
3 v4 p. H9 y1 _* x9 r5 w! q$ N （请在订单备注处注明发票抬头和税号）
, |7 h3 h6 }& j8 t9 s6 u1 p6 x 官方旗舰店质量保证！出版社库房直发， % l" Y$ E5 U: ~; u. |
提供正规电子发票！
# @0 f7 @0 |1 [" Q- t
5 r$ X- a- n& l2 o9 r — END—
3 [. e: j d1 {; a% v 信息来源：科学出版社。
# h4 s, q) N0 T+ p 转载请注明信息来源及海洋知圈编排
# j) B; ?" R* ` c2 C$ I 大家都在看 # O% A0 M% U' v$ Q+ p
4 V+ h, E& `3 V ► 戴民汉、周忠和院士重磅推荐！国内首套极地海洋科考绘本出版！四位一线科考队员倾力创作……) N2 N- ]! p* r
► 中科院海洋所李新正课题组组织编撰的《中国近海底栖动物分类体系》和《中国近海底栖动物常见种名录》出版发行！
2 z2 D* Q+ I5 G( x4 p; H0 x ` ► 经国务院批准成立！自然资源部部长王广华担任“联合国海洋科学促进可持续发展十年”. g' P& B) n S6 k, E( l
中国委员会主任，主持召开委员会成立会议并讲话
7 @7 }) y) o0 K# X ► 自然资源部副部长，国家海洋局局长王宏：努力推动海洋强国建设取得新进展 ; W% H( B/ W, P7 n& S
► 王颖院士主编《数字南海》正式出版！
* x- W, W8 i/ |: H/ A! E) |7 U! o& T1 Q6 }
► 《海洋空间规划与海岸带管理》出版发行（刘大海、李彦平主编）
" \3 h0 p) J! {9 g. r: Z/ L! N ►丁德文院士等编著！《中国近岸海洋生态学研究与管理》出版！ , y) Z4 K0 v5 O% G. X
►《海洋数值模拟》正式出版！董昌明主编
" l! r q* J; D; I9 ?* u7 D ► 《渤海、黄海和东海沉积物类型图》出版！石学法等编著 8 ]: d+ z- Y7 }2 s! N
► 填补海洋气象学领域空白！《爆发性气旋》专著出版
1 n5 U$ Y3 K# }9 c; k! t1 U8 @ ► 《黄河三角洲湿地碳循环与碳收支》专著出版 * t1 l: X1 u. W- ~ @3 [. f
► 《海洋环境分析监测技术》中科院烟台海岸带所陈令新研究员等编著
% t2 }. J5 w0 U4 c9 E 海
, x+ K; }8 |9 N ► 我国首部风暴潮数值预报专著《现代风暴潮预报技术及应用》
# x4 J% f% X/ M% W1 M 洋 5 I! o3 d; \- e
►《珊瑚礁科学概论》：珊瑚礁究竟有多重要？ ) f- a/ y0 D x" ~6 z ]
书
9 _/ s; O! P7 G4 M ►《现代海底热液活动》栾锡武研究员 著 1 I+ p5 g& b" B; H* F
屋
2 Y) y; d+ [ d2 z+ \) ^' J ►《海洋机器人科学与技术丛书》出版发行
4 o+ y- e, R( {. @ ► 我国第一部《海洋生物地球化学》研究生教材出版
1 _7 @2 y/ M$ s# [7 [) T7 E ► 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
* Z2 J6 X q. W" S+ f ►《自主水下机器人》封锡盛院士等主编、徐会希高工等著 % o$ H& I; v8 ~' G8 b% G' p; M
►《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 / x! m# a3 u8 |5 @5 ~
► 《海洋和海岸环境塑料污染与治理》 骆永明等编著
; z4 n9 E' L7 U4 G8 W4 N: |8 H ►《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 , ?4 t4 |3 n a
►《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" \) [* i3 d% Y9 R' K2 o ► 《黄河三角洲湿地生境演变遥感监测》出版 7 r( I0 |, c3 C
海洋知圈
( k* I# X1 _+ u' C r8 L 知晓海洋 | 探知海洋 6 P) n% [' @; b. b+ _9 E/ ^
宣传海洋 | 服务海洋 8 T4 ~* @. d: ^ P9 e
如您喜欢，请“点赞”并点亮“ 在看” |
