针对复杂海洋环境监测多方协同需求,以海洋环境要素和特殊海洋环境的探测和水下工程设施实时监测为应用背景,围绕水下传感器网络的数据转发、水下传感器网络的维护、海洋传感数据的异常检测和高效海洋数据传输控制等问题,基于不同传感器获取不同的要素特征,对不同的监测目标设定关键数据阈值,借助边缘计算对异常数据的快速发现和识别和巡游边缘节点的机动性,探索对异常数据敏感的海洋监测网络数据传输性能的优化方法与技术,主要研究内容如下:1.针对现有海洋监测网络体系结构在覆盖范围、持续能量供给和数据采集回传等方面的不足,本文采用计算机网络层次结构模型,提出了一种新型多层次海洋综合监测网络体系结构,该体系结构划分为水下物理层、水下数据链路层、空中路由层、数据传输层和数据应用层。该多层次海洋综合监测网络组网构成主要包括:由水下传感器网络、水下无人潜航器、水面汇聚节点等组成的海基海洋环境监测传输网络;以海洋巡航飞机、无人机组成的空基海洋监测数据传输网络;以卫星组成的天基海洋监测数据传输网络和以云端数据中心构成的数据应用网络。本文所提出的多层次海洋综合监测网络体系结构为海洋监测的大范围覆盖、可持续工作和高效数据采集回传提供了顶层设计支撑。2.针对海洋恶劣的水下通信环境,采用无线自组织通信思想,建立水下传感器网络多跳数据传输机制,提出了一种综合考虑信息时效性和能量消耗的水下传感器网络数据转发机制MDFU,同时使用信息价值和转发能量消耗构建奖励函数,学习出具有高时效性和高能量有效性的数据转发机制,实现了水下传感器网络的能量有效性、实时性和对动态拓扑适应性的联合优化。3.针对水下传感器网络难以补充维护的特点,采用基于水下无人潜航器的水下传感器网络的移动充电,从而比较经济地延长水下传感器网络的寿命,提出了充电效率的优化问题,证明了充电设备的最优巡航路径为Hamiltonian路径,并提出了可持续能量循环需满足的重要属性与约束,基于布谷鸟算法提出了对该优化问题的求解方法,并验证了所提方法的有效性。4.针对海洋监测数据体量巨大而对传感数据的采集与传输形成巨大压力的特点,采用机器学习方法,充分发挥汇聚节点（浮标/潜标）所具有的边缘计算能力,对传感数据进行异常检测,提出了一种层次化的海洋监测数据异常检测框架HADIo T,它提供了一种利用局部和全局异常特征进行异常检测的解决方案。通过仿真实验证明了HADIo T的有效性,HADIo T检测结果真阳性率为98.12%,假阳性率仅为4.53%,相比单一GRU预测,通过综合考虑时间序列特征和各种类型的物联网数据间的相互关联,也即CRF全局异常检测,HADIo T框架的整体检测能力大大增强,优于LSTM、KNN和CNN等基准算法。5.针对海洋数据传输与处理需求大、分布不均且呈动态变化的特点,采用移动边缘计算与任务卸载思想,提出了基于海基、空基、天基平台的综合数据传输网络（SASIN）和协同数据传输机制,通过增加具有热点的“巡游”节点,如无人机、无人艇和船舶等,辅助采集处理浮标/潜标数据,转发至数据中心,从而增加数据整体传输效率、减小传输延时。研究了SASIN中的虚拟机分配和任务调度和计算任务卸载联合调度控制机制,有效地将计算资源分配给无人机边缘服务器中的不同虚拟机。提出了一种动态网络条件下基于Q学习的计算卸载学习方法,从而处理多维SASIN资源调度。