一种基于动态遥感数据驱动的溢油仿真参数优化方法专利检索-溢油环境工程专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

一种基于动态遥感数据驱动的溢油仿真参数优化方法

阅读：595发布：2021-02-27

IPRDB可以提供一种基于动态遥感数据驱动的溢油仿真参数优化方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种基于动态遥感数据驱动的溢油仿真参数优化方法，包括以下步骤：步骤1：溢油信息遥感反演过程；步骤2：ECOM溢油仿真过程；步骤3：遥感反演结果与ECOM仿真结果对比验证过程；步骤4：数据整合及优化过程；步骤5：系统反馈及参数优化过程。本发明的有益效果为：通过引入动态数据驱动的思想，利用遥感反演溢油信息验证优化溢油仿真结果，并通过BP神经网络模型参数训练及预测过程实现溢油仿真初始参数优化，使遥感监测与溢油仿真构成一个动态的反馈调节系统，从而预测得到较为精确的溢油扩散运动趋势。，下面是一种基于动态遥感数据驱动的溢油仿真参数优化方法专利的具体信息内容。

权利要求

1.一种基于动态遥感数据驱动的溢油参数优化方法，其特征在于，包括以下步骤：

步骤1：根据预先采集的SAR影像的海洋溢油区别于海水的特征，利用阈值分割算法，通过影像灰度级别划分且提取出级别最小的地物作为海面溢油信息；

步骤2：根据预先采集的溢油历史事故数据，建立ECOM仿真模型，并对ECOM仿真模型设置初始参数，启动ECOM仿真模型，得到仿真油膜信息；

步骤3：将步骤1得到的遥感提取的海面溢油信息与步骤2得到的ECOM仿真结果进行对比验证，判断ECOM溢油仿真结果是否符合预先设置的标准信息；在所述ECOM溢油仿真结果与预先设置的标准信息不符合的情况下，对遥感反演溢油信息与ECOM仿真结果数据进行整合及优化，其中，所述符合包括相同或相符；

步骤4：将遥感反演溢油信息与ECOM仿真结果进行数据整合及优化，得到优化的ECOM溢油仿真结果；

步骤5：将步骤2的溢油初始参数及仿真油膜信息进行训练BP神经网络，并将步骤4得到的优化的ECOM溢油仿真结果输入训练的BP神经网络，利用遥感溢油反演溢油信息预测得出溢油的初始参数，并对ECOM仿真模型的初始参数进行优化；

其中，所述步骤5包括：

步骤5-1：BP神经网络模型训练过程，选择任意一次ECOM仿真的输入、输出参数作为BP神经网络的输入、输出参数，进而训练得出ECOM仿真模型的输入、输出参数的非线性映射关系；

步骤5-2：BP神经网络模型预测过程，根据步骤5-1训练得出的BP神经网络，选择遥感反演与ECOM仿真对比验证得出的优化的溢油信息作为神经网络的输入参数，通过ECOM仿真模型预测得出优化的溢油仿真参数。

2.根据权利要求1所述的基于动态遥感数据驱动的溢油参数优化方法，其特征在于，在步骤3中，在ECOM溢油仿真结果符合预先设置的标准的情况下，对海面溢油运动模拟结束，返回到步骤2，进入到下一个ECOM溢油仿真过程。

说明书全文

一种基于动态遥感数据驱动的溢油仿真参数优化方法

技术领域

[0001] 本发明涉及动态遥感数据驱动的溢油仿真技术，具体来说，涉及一种基于动态遥感数据驱动的溢油仿真参数优化方法。

背景技术

[0002] 2011年6月4日和17日，蓬莱19-3油田先后发生两起溢油事故；蓬莱19-3油田溢油事故是近年来中国内地第一起大规模海底油井溢油事件。据康菲石油中国有限公司统计，共有约700桶原油渗漏至渤海海面，另有约2,500桶矿物油油基泥浆渗漏并沉积到海床。国家海洋局表示，这次事故已造成5,500平方公里海水受污染，大致相当于渤海面积的7％。

[0003] 鉴于海洋溢油事故频繁发生，对公共水域环境及公共安全造成严重危害，准确、快速地获取溢油信息、预测溢油运动轨迹，是我们亟需探索研究的方向。由于遥感技术具有覆盖面广、经济、易快速获取等特点，是海洋溢油污染监测的有效手段。利用遥感卫星数据不仅可以大面积监测海上溢油的面积、种类及厚度，及时引导海监船只和飞机进行执法监测，而且还可以利用卫星连续跟踪油污范围和溢油扩散方向，制定最佳的溢油清除方案。其中，星载合成孔径雷达(SAR)具有全天候、全天时、覆盖面积大、快速获取及接近实时等特点，利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染，是溢油监测最有效的手段。

[0004] 对于溢油运动轨迹模拟，目前应用较为广泛的为ECOM(Estuarine Coastal and Ocean Model)模式。ECOM模式是在POM(Princeton Ocean Model)基础上发展起来的一个较为成熟的浅海三维水动力学模式。它从原始三维方程出发，以自由水位、三方向速度分量、温度、盐度、密度以及代表湍流的两个特征量：湍动能、湍宏观尺度作为预报变量，可以得到连续时间步长的水平、垂直方向的精细的预报结果。然而，海上溢油事故具有复杂的发生、发展与演化机理，同时还存在次生灾害与灾害耦合问题；受系统非线性、时变性、多变量和不确定性等特点的影响，很难通过传统的解析模型与仿真模型分析和预测溢油事故应急系统中复杂的行为；且目前的仿真模型主要依靠历史事故数据和经验假设初始参数进行仿真分析，不能利用应急系统中的实时观测数据提高仿真模型预测的精确性。

[0005] 针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

[0006] 本发明的目的是提供一种基于动态遥感数据驱动的溢油仿真参数优化方法，引入动态数据驱动应用系统，将遥感溢油检测与溢油仿真结合起来，将实际系统数据映射到仿真模型的方法、仿真模型状态的更新算法、以及溢油事故模拟算法等，目的是提高溢油仿真模型的预测准确性，提高应急决策的科学性。动态数据驱动应用系统(Data Driven Application System,DDDAS)是一种能够将试验或测量数据与仿真紧密结合在一起的新型研究模式，通过在仿真运行时将附加数据动态地引入模型，并在此基础上有选择性地抽象、细化初始模型或进行模型替换，可以实现仿真模型与实验之间的动态反馈，有效的克服了目前现有技术存在的上述不足。

[0007] 本发明的目的是通过以下技术方案来实现：

[0008] 一种基于动态遥感数据驱动的溢油仿真参数优化方法，包括以下步骤：

[0009] 步骤1：根据预先采集的SAR影像的海洋溢油区别于海水的特征，利用阈值分割算法，通过影像灰度级别划分且提取出级别最小的地物作为海面溢油信息；

[0010] 步骤2：根据预先采集的溢油历史事故数据，建立ECOM仿真模型，并对ECOM仿真模型设置初始参数，启动ECOM仿真模型，得到仿真油膜信息；

[0011] 步骤3：将步骤1得到的遥感提取的海面溢油信息与步骤2得到的ECOM仿真结果进行对比验证，判断ECOM溢油仿真结果是否符合预先设置的标准信息；在所述ECOM溢油仿真结果与预先设置的标准信息不符合的情况下，对遥感反演溢油信息与ECOM仿真结果数据进行整合及优化，其中，所述符合包括相同或相符；

[0012] 步骤4：将遥感反演溢油信息与ECOM仿真结果进行数据整合及优化，得到优化的ECOM溢油仿真结果；

[0013] 步骤5：将步骤2的溢油初始参数及仿真油膜信息进行训练BP神经网络，并将步骤4得到的优化的ECOM溢油仿真结果输入训练的BP神经网络，利用遥感溢油反演溢油信息预测得出溢油的初始参数，并对ECOM仿真模型的初始参数进行优化。

[0014] 进一步的，在步骤3中，在ECOM溢油仿真结果符合预先设置的标准的情况下，对海面溢油运动模拟结束，返回到步骤2，进入到下一个ECOM溢油仿真过程。

[0015] 进一步的，所述步骤5包括：

[0016] 步骤5-1：BP神经网络模型训练过程，选择任意一次ECOM仿真的输入、输出参数作为BP神经网络的输入、输出参数，进而训练得出ECOM仿真模型的输入、输出参数的非线性映射关系；

[0017] 步骤5-2：BP神经网络模型预测过程，根据步骤5-1训练得出的BP神经网络，选择遥感反演与ECOM仿真对比验证得出的优化的溢油信息作为神经网络的输入参数，通过ECOM仿真模型预测得出优化的溢油仿真参数。

[0018] 本发明的有益效果为：通过引入动态数据驱动的思想，利用遥感反演溢油信息验证优化溢油仿真结果，并通过BP神经网络模型参数训练及预测过程实现溢油仿真初始参数优化，使遥感监测与溢油仿真构成一个动态的反馈调节系统，有效地利用实时获得的动态遥感数据，对ECOM溢油仿真的初始参数进行优化，使遥感监测与溢油仿真构成一个动态的反馈控制系统；减小了传统仿真过程由经验参数造成的误差，可在溢油事故发生后迅速圈定油污位置并预测其运动趋势，为油污控制的应急指挥提供决策信息，从而预测得到较为精确的溢油扩散运动趋势。

附图说明

[0019] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0020] 图1是根据本发明实施例所述的一种基于动态遥感数据驱动的溢油仿真参数优化方法的流程图；

[0021] 图2是根据本发明实施例所述的一种基于动态遥感数据驱动的溢油仿真参数优化方法的动态遥感数据驱动的系统反馈及参数优化过程的流程图；

[0022] 图3是根据本发明实施例所述的一种基于动态遥感数据驱动的溢油仿真参数优化方法的2011年6月11日获取的ASAR影像的灰度直方图；

[0023] 图4是根据本发明实施例所述的一种基于动态遥感数据驱动的溢油仿真参数优化方法的2011年6月14日获取的ASAR影像的灰度直方图；

[0024] 图5是根据本发明实施例所述的一种基于动态遥感数据驱动的溢油仿真参数优化方法的2011年6月11日获取的ASAR影像的蓬莱19-3B平台溢油提取效果图；

[0025] 图6是根据本发明实施例所述的一种基于动态遥感数据驱动的溢油仿真参数优化方法的2011年6月14日获取的ASAR影像的蓬莱19-3B平台溢油提取效果图；

[0026] 图7是根据本发明实施例所述的利用优化的溢油仿真参数模拟得出的连续15天的蓬莱19-3B平台溢油油粒子运动轨迹(部分)示意图一；

[0027] 图8是根据本发明实施例所述的利用优化的溢油仿真参数模拟得出的连续15天的蓬莱19-3B平台溢油油粒子运动轨迹(部分)示意图二；

[0028] 图9是根据本发明实施例所述的利用优化的溢油仿真参数模拟得出的连续15天的蓬莱19-3B平台溢油油粒子运动轨迹(部分)示意图三；

[0029] 图10是根据本发明实施例所述的利用优化的溢油仿真参数模拟得出的连续15天的蓬莱19-3B平台溢油油粒子运动轨迹(部分)示意图四；

[0030] 图11是根据本发明实施例所述的利用优化的溢油仿真参数模拟得出的连续15天的蓬莱19-3B平台溢油油粒子运动轨迹(部分)示意图五；

[0031] 图12是根据本发明实施例所述的利用优化的溢油仿真参数模拟得出的连续15天的蓬莱19-3B平台溢油油粒子运动轨迹(部分)示意图六；

[0032] 图13是根据本发明实施例所述的2011年6月11日存在遥感数据的两天遥感反演溢油信息与ECOM仿真结果叠合图；

[0033] 图14是根据本发明实施例所述的2011年6月14日存在遥感数据的两天遥感反演溢油信息与ECOM仿真结果叠合图；

[0034] 图15是根据本发明实施例所述的遥感反演与ECOM仿真油粒子夹角示意图。

具体实施方式

[0035] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

[0036] 鉴于近年来频发的海洋溢油事故发展趋势较难预测，引入动态数据驱动的思想，将遥感溢油监测、溢油仿真数值模型与地理信息系统技术相结合，发明一种基于动态遥感数据驱动的溢油仿真参数优化方法，以此建立基于动态数据驱动的数据综合处理与分析预测应急反应集成系统。溢油事故一旦发生，利用遥感影像提取的溢油信息将会作为溢油仿真的精度评价标准和驱动因子，通过反馈调节优化模型参数，最终得到较为精确的连续的溢油模拟结果，以此为溢油事故的分析、应急反应方案的制定以及灾害评估等提供依据和技术支持。

[0037] 如图1-15所示，根据本发明实施例所述的一种基于动态遥感数据驱动的溢油仿真参数优化方法；具体包括以下步骤：

[0038] 步骤1：溢油信息遥感反演过程，根据预先采集的SAR影像的海洋溢油区别于海水的特征，利用阈值分割算法，通过影像灰度级别划分且提取出级别最小的地物作为海面溢油信息；

[0039] 步骤2：ECOM溢油仿真过程，根据预先采集的溢油历史事故数据，设置ECOM仿真模型，并对ECOM仿真模型设置初始参数，启动ECOM仿真模型，得到仿真油膜信息；

[0040] 步骤3：遥感反演结果与ECOM仿真结果对比验证过程，将步骤1得到的遥感提取的海面溢油信息与步骤2得到的ECOM仿真结果进行对比验证，判断ECOM溢油仿真结果是否符合预先设置的标准；在所述ECOM溢油仿真结果与预先设置的标准信息不符合的情况下，对遥感反演溢油信息与ECOM仿真结果数据进行整合及优化，其中，所述符合包括相同或相符；相符预先设置的数据误差范围，只要所述ECOM溢油仿真结果在预先设置的范围内，即为符合。

[0041] 步骤4：数据整合及优化过程，将遥感反演溢油信息与ECOM仿真结果利用现有技术进行数据的整合及优化，得到优化的ECOM溢油仿真结果；

[0042] 步骤5：系统反馈及参数优化过程，首先将步骤2的溢油初始参数及仿真油膜信息进行训练BP神经网络，然后将步骤4得到的优化的ECOM溢油仿真结果输入训练的BP神经网络，利用遥感溢油反演溢油信息预测得出溢油的初始参数，并对仿真模型的初始参数进行优化。

[0043] 在步骤3中，在ECOM溢油仿真结果符合预先设置的标准的情况下，对海面溢油运动模拟结束，返回到步骤2，进入到下一个ECOM溢油仿真过程。

[0044] 选用BP神经网络模型，通过对ECOM模型的输入输出参数训练BP神经网络，然后利用遥感溢油反演溢油信息预测溢油初始参数，从而实现参数优化的步骤包括：

[0045] 步骤5-1：BP神经网络模型训练过程，选择任意一次ECOM仿真的输入、输出参数作为BP神经网络的输入、输出参数，进而训练得出ECOM仿真模型的输入、输出参数的非线性映射关系；

[0046] 步骤5-2：BP神经网络模型预测过程，根据步骤5-1训练得出的BP神经网络，选择遥感反演与ECOM仿真对比验证得出的优化的溢油信息作为神经网络的输入参数，通过ECOM仿真模型预测得出优化的溢油仿真参数。

[0047] 由于海洋溢油事故中海监船只很难在短时间内精确获取海面的溢油面积等信息，遥感技术由于覆盖面积广、快速、经济的特点，可以在短时间内获取海面的溢油信息，并以此作为仿真结果的对比验证标准。利用动态遥感反演信息对比验证并调整ECOM仿真结果，通过对比验证，可以得到优化的ECOM仿真溢油结果；因此，本发明可以大面积监测海上溢油的面积、位置等，及时引导海监船只和飞机进行执法监测。

[0048] 由于ECOM模型的非线性特征，由遥感反演溢油信息与ECOM仿真结果对比优化得出的更新的溢油扩散值反推仿真模型的初始条件存在极大的困难，我们选用BP神经网络模型，通过对ECOM模型的输入输出参数训练BP神经网络，然后利用遥感溢油反演溢油信息预测溢油初始参数，从而实现参数优化。

[0049] 具体操作时，对于步骤1，溢油信息遥感反演过程：根据SAR影像海洋溢油区别于海水的“暗”特征，利用阈值分割算法，通过影像灰度级别划分提取出级别最小的地物作为海面溢油信息；其中，图像分割的目的是把图像分离成互不交叠的有意义的区域，单色图像的分割算法通常基于图像亮度值的不连续性和相似性，本研究选择单一阈值分割算法。

[0050] 本技术方案将2011年6月渤海蓬莱19-3B溢油事故作为实验实施案例，选择2011年6月11日、14日获取的ENVISAT ASAR WS模式数据作为渤海蓬莱19-3溢油遥感监测数据，经过几何精校正、增强Lee滤波、裁剪等处理，得到800*800的子区域，该区域覆盖渤海蓬莱19-
3B、C采油平台。

[0051] 由于含有溢油现象的ASAR影像，其灰度直方图一般表现为存在两个峰值，可以选取两峰之间的最小值作为阈值来区分油膜和背景海水区域。通过灰度直方图统计，可以分别得出两幅遥感影像的灰度直方图如图3-4所示；由图3可以得出，6月11日ASAR影像存在两个明显的波峰peak A和B，因此，我们选取两波峰之间的灰度最小值526作为遥感溢油信息提取的分割阈值；而对于6月14日影像(图4)，由于溢油区域面积相对于整幅影像来说较小，其灰度较小的峰值不明显，灰度直方图只存在一个明显的波峰peak B，我们无法利用两波峰之间的最小灰度值来确定分割阈值。然而由于油膜覆盖区域在SAR图像上呈现的“暗”特征，其灰度直方图在174和216分别存在两个明显的拐点，我们分别选取174、216作为分割阈值，经过实验比较，得出216可作为6月14日ASAR影像溢油信息提取的分割阈值。

[0052] 经过单一阈值分割算法得到的6月11日、14日溢油信息提取结果如图5-6所示。通过在原始ASAR影像选取油膜样本进行分类精度评估，可得利用阈值分割算法提取油膜精度为92.1726％，Kappa系数为0.9425，符合作为下一步溢油运动轨迹模拟验证的标准。

[0053] 对于步骤2，ECOM溢油仿真过程：根据预先采集的历史溢油事故数据和专家经验，假设得出蓬莱19-3B溢油事故发生的大概位置、时间、吨数等初始参数(表1)，启动ECOM仿真模型，得到初次仿真结果；

[0054] 表1假设的溢油仿真初始参数

[0055]

[0056] 对于步骤3，遥感反演结果与ECOM仿真结果对比验证过程：利用步骤1得到的遥感提取的溢油信息对步骤2得到的ECOM仿真结果进行对比验证，评价ECOM溢油仿真结果是否符合。若符合，则本时刻溢油运动模拟结束，可以进入下一时刻模拟，即步骤2；若不符合，则进入遥感反演溢油信息与ECOM仿真结果数据整合及优化过程，即步骤4。

[0057] 对于步骤4，数据整合及优化过程：选择遥感反演溢油信息与ECOM仿真结果进行数据整合及优化，得到优化的ECOM溢油仿真结果。

[0058] 对于步骤5，系统反馈及参数优化过程：首先利用步骤2的溢油初始参数及仿真结果训练BP神经网络，然后将步骤4得到的优化的溢油仿真结果输入训练的BP神经网络，通过反馈预测，反推出溢油初始条件，并对仿真模型的初始参数进行优化(表2)。

[0059] 表2优化的溢油仿真初始参数

[0060]

[0061] 按照以上介绍，设计完成了一套基于动态遥感数据驱动的溢油仿真参数优化方法。本方法充分发挥了遥感实时、快速监测大面积海面溢油的优势，提高了溢油仿真的精度，很好的减小了传统仿真由经验参数造成的误差。

[0062] 为了验证本发明方法性能，利用优化的溢油仿真参数模拟得出蓬莱19-3B溢油事故连续15天的油粒子运动轨迹(图7-12)，并选择存在遥感数据的2天进行遥感溢油信息反演及精度对比验证(图13-14)，具体方法如下：

[0063] ECOM仿真模型可以得到连续一段时间的油粒子运动轨迹，分别计算每一时刻油粒子的中心点经纬度，然后将这些中心点连接起来，可以得到ECOM仿真油粒子运动矢量；同理，我们也可以得出遥感反演油粒子的运动矢量；根据这两个运动矢量，我们可以计算出ECOM溢油仿真与遥感反演油粒子的动态扩散趋势耦合率，以此得出仿真模型的精度。

[0064] 定义两运动矢量之间的广义夹角余弦为相似函数，其中，X和Y分别代表经纬度，借鉴余弦函数定理，我们认为夹角≥90度，则为完全反向，扩散正确率为0；0度为完全耦合，扩散正确率为100％；0-90度之间的扩散正确率即为广义夹角的余弦值。夹角越小，表明其越相似，即遥感监测的油粒子动态扩散趋势与溢油仿真得到的动态扩散趋势越相似。两矢量广义夹角的余弦为：

[0065]

[0066] 选择20110611、20110614存在遥感数据的两天，首先计算这两天的仿真油粒子、遥感提取油粒子中心经纬度，然后计算这四个中心点构成的两条矢量线段的夹角(图15)。在本次实验中，

[0067]

[0068] 则cos(α-β)＝0.9997，即油粒子动态扩散趋势耦合率为99.97％。

[0069] 综上所述，借助于本发明的上述技术方案，通过将遥感反演溢油信息作为精度评价标准，把动态数据反馈调节与更新算法引入到溢油参数优化过程中，建立起以BP神经网络为核心的参数训练、预测及优化模型，使得溢油仿真的初始参数在训练的非线性映射中得到最优解；从而，避免了传统仿真模型的经验假设参数带来的误差，可以得到较为精确的溢油仿真结果。

[0070] 另外，本技术方案通过引入动态数据驱动的思想，利用遥感反演溢油信息验证优化溢油仿真结果，并通过BP神经网络模型参数训练及预测过程实现溢油仿真初始参数优化，使遥感监测与溢油仿真构成一个动态的反馈调节系统，有效地利用实时获得的动态遥感数据，对ECOM溢油仿真的初始参数进行优化，使遥感监测与溢油仿真构成一个动态的反馈控制系统；减小了传统仿真过程由经验参数造成的误差，可在溢油事故发生后迅速圈定油污位置并预测其运动趋势，为油污控制的应急指挥提供决策信息，从而预测得到较为精确的溢油扩散运动趋势。

[0071] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

标题	发布/更新时间	阅读量
智能溢油器-专利编号CN104352183B	2020-05-12	440
汽车溢油循环器-专利编号CN103241119A	2020-05-13	830
一种溢油切断阀-专利编号CN103358893A	2020-05-13	478
喷油泵的溢油阀-专利编号CN107762698A	2020-05-12	706
溢油锅盖-专利编号CN104188546B	2020-05-11	864
智能溢油器-专利编号CN104352183A	2020-05-12	923
溢油锅盖装置-专利编号CN104188551B	2020-05-13	96
溢油锅盖-专利编号CN104188546A	2020-05-11	385
一种溢油回收船-专利编号CN209836975U	2020-05-11	170
一种海湾溢油清理装置-专利编号CN210310803U	2020-05-11	63

一种基于动态遥感数据驱动的溢油仿真参数优化方法

一种基于动态遥感数据驱动的溢油仿真参数优化方法

技术领域

背景技术

发明内容

附图说明

具体实施方式

IPRDB

热门服务

关于我们

友情链接

联系方式