.png){kind=icon}
返回
Multi-AUV sediment plume estimation using Bayesian optimization
.png){kind=icon}
OA
AI
DOI：10.3389/fmars.2024.1504099.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
疏浚或采矿活动产生的沉积物羽流对生态系统的影响范围远大于采矿或疏浚区域本身。因此，监测羽流的发展以量化其对生态系统的时空演变影响至关重要，有时甚至是强制性的。为此，提出了一种基于贝叶斯优化（BO）的方法，用于使用自主水下航行器（AUVs）进行羽流监测，AUVs被用作传感器网络。其路径根据BO进行更新，此外，还采用分路径方法和旅行商问题来考虑AUVs需要行驶的距离并提高效率。为解决羽流的时间变异性，在BO中使用了滑动窗口方法，并通过悬浮颗粒物（SPM）浓度测量的漂移和衰减率对羽流动态进行建模。使用太平洋疏浚实验模拟的SPM数据进行模拟的结果表明，该方法能够以良好的总体估计误差在时空上监测羽流。
Keyword:
plume estimation
plume tracking
AUV
sediment plume
dredge experiment
Bayesian optimization
traveling salesman
期刊
IF:
3
论文数:
2.5K
被引数:
4.0W
机构
引用论文
分享收藏Tidally Driven Dispersion of a Deep-Sea Sediment Plume Originating from Seafloor Disturbance in the DISCOL Area (SE-Pacific Ocean).png)
GeosciencesOAAI
GeosciencesIF0
OAAI分享收藏
分享收藏Scars in the abyss: reconstructing sequence, location and temporal change of the 78 plough tracks of the 1989 DISCOL deep-sea disturbance experiment in the Peru BasinBIOGEOSCIENCESOAAI
BIOGEOSCIENCESIF3.9
OAAI分享收藏
查看更多内容