论文部分内容阅读
本文以海洋水深数据为依托,介绍了沿海城市风暴潮辅助决策系统中对海量水深数据的应用情况。首先从水深数据在风暴潮辅助决策系统中的研究背景和选题意义,研究现状及研究内容谈起,通过概述辅助决策系统的概念和发展状况,给出了结合地理信息系统的辅助决策系统的应用背景。海洋水深数据是辅助决策系统中经常面对的重要数据种类,通过海洋台站、观测点及其他监测部门都可以得到水深原始数据,也可以通过给定的沿海城市三维地形文件,结合水动力模拟软件实现给定浪高、风速等一些自然条件下的风暴潮入侵模拟过程,从中导出模拟水深数据。这些水深数据都对辅助决策起到一定程度的支持作用,分析处理这些水深数据从而研究出成熟的处理这种数据类型的方法以便应对真实的风暴潮模拟数据,为领导层提供强有力的辅助决策支持是本文所阐述内容的最终目标。海洋水深数据是一种极具海洋特色的数据类型,其具有数据量庞大,来源广泛,获取过程复杂等特点。本文针对海洋监测部门得到的原始水深数据,以及模拟生成的风暴潮入侵水深数据都做了分析,讲述了不同阶段的水深数据的存储方法以及管理思路,并提出了一种利用这些水深数据生成水深灰度图,从而实现高效水深查询的方法。在这个过程之中,提到了几种用于对水深数据进行传输的技术,并对比了各技术之间优劣,从而找出了适用于本文所研究数据类型的数据传输策略。通过讲解基于水深灰度图的水深查询方法的实现过程,并分析了这种查询方式对比与常规的数据库查询方式的优势所在,最终证明基于水深灰度图的水深查询方法是值得借鉴的。由于水深数据的获取查询等技术都可以实现,本文紧接着讲述了利用水深数据进行风暴潮灾害发生后受灾区域的确定方法。通过水深数据形成的水淹图层与已知的灾害发生地的陆地图层的空间叠加分析,容易得出受灾区域图层,即得到确切的受灾区域。针对受灾区域图层的离散水深值,借用等值线算法可以对受灾区域的水深值进行划分,形成平滑的不同受淹水深值的区间,从而进行受灾区域灾情评价。风暴潮辅助决策系统中有一个重要模块就是灾后搜救模块,此模块用于在确定了受灾区域后进行灾后搜救行动,以便确保可能存在的生还者能够被及时救出。灾后搜救行动如何选择路线属于网络分析中的一个重要问题,解决此问题有众多方法可以选择,比如图论方法、动态规划方法、A*寻路算法和神经网络等。由于灾后搜救需要遍及受灾区域的任何一个角落以便做到不遗漏任何可能生还的生命,又要寻得最短的整体路径消耗以取得最快的搜救速度从而保证搜救行动的高质量完成,这就需要研究出切实可行的搜救算法,而每次受灾区域的情况都是不可预知的,本文在Prim算法的基础上提出的并行搜救算法就是在搜救队伍为两支的情况下实现的高效搜救算法。文章先提出并行搜救算法的适用范围,把实际问题抽象为计算机图论问题,后对Prim算法进行简介,在本文抽象出的图论问题上给出了Prim算法的求解过程,然后详细介绍了并行搜救算法的思想及实现过程,针对举出的简单示例给出了利用并行搜救算法的每一步的求解过程并得出结果,最终以系统应用实例验证了此算法的优势所在。本文在海洋水深数据的基础上提出的基于水深灰度图的搜救算法改进与实现是一个颇具特色的研究方向,对风暴潮辅助决策系统起到了莫大的支持作用,大大提高了人类社会对抗自然灾害的能力。