星载与机载地形地貌探测技术

单波束测深、多波束测深和侧扫声呐等船载水下声呐系统是进行海底地形地貌探测的主要技术手段，但受到测量船速度、仪器扫测范围和复杂海洋环境的限制，在浅海和复杂海底地形区域，采用船载探测地形效率较低，有时甚至无法获取数据。卫星测高、SAR遥感成像和机载激光测深等星载与机载探测技术，具有快速、高效和大面积的显著优点，且不受海洋环境的影响，是传统船载测深技术的有益补充。为此，本文简要介绍了这几种典型的星载与机载地形地貌探测技术。

2022-02-26
阅读196
下载0
10页
docx

软件定义卫星研究现状与技术发展

对软件无线电技术的卫星应用、多载荷多功能卫星、在分布式多功能等软件定义卫星相关国内外研究应用进展进行梳理。在此基础上，以应用效能、应用效率、应用效费比为牵引，提出多功能可重构系统架构、多任务多功能星座优化设计方法、算法组件化技术和智能化技术等软件定义卫星技术发展展望，给出了初步研究思路。

2022-02-26
阅读585
下载0
10页
docx

深水多波束测深系统现状及展望

海洋科学研究、资源调查与开发、工程建设及军事等活动都需要准确地获取所关注区域内的海底地形地貌信息，并将其作为基础资料与支撑依据。因此，如何去了解海洋地形地貌信息，对海洋地形地貌信息进行有效的测绘，获取海洋地形地貌信息图谱，成了海洋研究中的重要问题。

2022-02-25
阅读212
下载0
10页
docx

内波对多波束测深影响仿真研究

为了研究内波对多波束测深的影响，本文通过对内波建模，分别对四个区间的声线跟踪情况进行了研究分析。在此基础上，推导了针对曲线型梯度结构的声线跟踪模型，并根据该模型进行了仿真分析。仿真简单模拟了采用常梯度声线跟踪模型对曲线型梯度结构声速剖面进行声速改正的声线跟踪过程。本文采用仿真数据绘制了声线跟踪前后的声线示意图，并对归算前后的波束脚印位置进行了比较分析。仿真结果说明内波会给多波束的边缘波束带来大量尖峰状的浅点，而这些浅点难以用传统的声速改正模型消除。

2022-02-25
阅读241
下载0
10页
docx

基于卫星测高数据的潮汐分析方法对比研究

基于卫星测高数据的潮汐分析是建立海潮模型的基本方法之一，主要包括调和分析方法和正交响应分析方法。本文利用上述两种方法对中国海和西太平洋海域的Topex/Poseidon（TP）、Jason-1（J1）和Jason-2（J2）卫星测高数据进行了潮汐分析，并将两种方法的计算结果进行对比研究。结果表明，观测时间序列的长度对潮汐信息提取的准确度有较大影响。满足分离任意两个分潮会合周期的卫星测高观测时间序列下，两种方法的准确度基本相同。短时段的数据受混叠效应影响明显，正交响应分析较调和分析准确度更高。

2022-02-25
阅读193
下载0
10页
docx

我国沿岸当地平均海面的高程研究

在海洋测绘中，沿岸的平均海面是一个标准的起算基准面，在其上关系到陆地测量高度的高程基准，在其下决定着海洋水深的深度基准，进而由深度基准决定着海岸线基准和灯高基准。确定平均海面本身的高程依赖于对沿岸的潮汐观测，求取当地平均海面的85高程的方法主要是采用水准联测法、固定点位法、潮信资料法以及平均海面传递技术等。在沿岸测量特别是滩涂和礁石测量中，都会碰到△H（即当地平均海面的高程值到1985国家高程基准的高程值之间的差值）值的改正问题，黄、渤海海区的平均海面和1985国家高程基准面基本一致，因此就不存在这个问题；东海、南海海区的△H值明显，实际工作中要解决海岸地形图（采用1985国家高程基准）和水深图（采用当地平均海面）的高度衔接问题。本文就来研究和探讨这个问题。

2022-02-25
阅读448
下载0
10页
docx

聚焦海水淡化技术及其发展应用

水是基础性自然资源和战略性经济资源，人口、资源和环境，是当今世界所面临的三项重大发展问题，而在资源问题中，水资源是各种资源中人类最不可或缺、无法替代的资源之一。尤其近年来人类趋海活动的持续加快，水资源短缺已经成为制约沿海经济社会发展的重要瓶颈，严重影响了社会的持续发展和人民生活水平的提高。

2022-02-25
阅读189
下载0
10页
docx

地球大数据助力均衡发展评估

基于手机大数据的中国人口迁徙模式及疫情影响研究

2022-02-25
阅读135
下载0
10页
pdf

上一页 1 …… 11372 11373 11374 11375 11376 11377 11378 11379 11380 11381 11382 …… 16663 下一页共 133297 条



立即登录

没有账户，需要注册

登录用户可享受以下权益

免费下载方案
服币提现
发布方案得服币
交易分成

精品推荐

工业时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型，以 Transformer 等架构为核心，通过在海量多领域时序数据上进行预训练，学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练，时序大模型具备强大的迁移能力，只需少量样本微调或零样本提示，即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中，它能够直接处理传感器、设备测点产生的海量时序信号，挖掘设备状态演变规律，支撑设备故障预警、工况识别与生产趋势预判，为工业智能落地提供底层模型能力。如：中服云的CServerAIR

阅读839
下载8

2026“人工智能+”行业发展蓝皮书

2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

阅读2619
下载8

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。

阅读3090
下载14

中服设备健康管理系统产品介绍

中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。有效降低设备故障率、减少停机损失，简化线下运维管理流程。助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。