海洋占据着地球70%以上的面积,拥有庞大的自然资源和空间资源,探索海洋是人类科学未来发展的重要方向。党的十八大、十九大报告都提出了建设海洋强国的重大战略。发展海洋探测技术是捍卫国家领海主权和海洋权益、开发海洋资源、维护我国经济发展的重大任务。针对海洋开发需求,本研究结合大数据和人工智能技术对海洋采集数据进行处理和分析,以实现海量海洋数据的利用和价值挖掘,其主要内容包括四点:第一、建立了一种海洋环境多传感器数据预处理算法模型,以缓解海上调查船、浮标等设备大体量测量数据的上传压力。海上日益增多的传感器数量造成信息采集周期长、体量大,这给后续平台的数据上传工作和处理工作带来不便。本文利用物联网“雾”计算技术,提出了基于融合异常值检测方法、D-S证据理论和DBN数据预处理模型,实现海上传感节点的数据初步质量控制,保证上传数据的有效性,方便后续上层服务器的信息处理。第二、建立了一种海洋环境数据多变量分析模型,以解决高维度、高耦合特征的海洋数据分析问题。不同于其他行业数据,海洋环境信息存在时空关联、属性关联等特点。在对单一海洋环境要素分析时,需要了解整个相关海洋环境生态的内部变换规则,才能够实现准确要素分析和预测。本文以海洋赤潮为分析示例,利用主成分分析、聚类、关联规则等技术对影响赤潮生退的海水温度、盐度、无机盐、溶解氧等多维环境数据进行建模,建立了赤潮环境分析模型。实现了海洋赤潮内部复杂环境的影响分析,例举说明了机器学习算法在海洋应用上的作用和有效性。第三、建立了一种海洋环境数据模糊时间序列预测模型,以解决海洋数据中经典时间序列预测问题。与传统的小体量数据集时序预测不同,未来海洋环境监测将面临跨空域、大体量、高时效的时间序列分析预测,并且海洋监测的主要目的是实现海洋环境未来趋势的变化。本文基于模糊理论与深度学习网络方法,提出了一种海洋模糊时序数据预测方法,并利用海洋历史数据知识,对未来海洋环境要素进行预测,以实现海洋大数据的实际价值应用。第四、基于大数据平台技术,搭建了海洋环境大数据智能分析系统,该系统分为数据获取、数据存储管理、数据处理、数据可视化多层结构,在数据获取模块中利用数据爬虫对NOAA、Argo等公开海洋数据网站进行数据集下载;在数据管理模块利用Spark技术进行数据存储和处理;在数据可视化方面应用了Web GL技术,并引用了Echart、Three.js可视化库。同时,在系统中建立了一种新的等值线计算方法,实现大体量数据的海图等值线快速测绘。整体来说,系统整体实现了海洋水文、海洋气象、海洋化学等模块的数据分析。综上所述,本研究主旨是在研究海洋环境科学工作中融入人工智能技术,提出了几种海洋环境数据处理模型,解决现有和未来海洋大体量传感数据存在的处理难题。一直以来,海洋环境的模拟和预测主要依赖于物理方程的数值模型,本研究工作旨在利用学科交叉优势发挥智能算法在海洋数据处理中的作用,能够与传统海洋数值模型进行优势互补,共同实现海洋大数据的挖掘和利用。