第1章 绪论
1.1 概述
1.2 我国海洋水文发展现状
1.3 海洋水文发展趋势与研究展望
1.3.1 海洋水文发展趋势
1.3.2 海洋水文研究展望
1.4 小结
思考题
第2章 海洋水文要素
2.1 概述
2.2 风
2.2.1 简介
2.2.2 风要素
2.2.3 风速（场）预测
2.3 潮汐
2.3.1 简介
2.3.2 分类
2.3.3 观测
2.3.4 调和分析
2.4 海流
2.4.1 简介
2.4.2 分类
2.4.3 海流观测
2.4.4 大洋环流
2.4.5 潮流
2.4.6 余流
2.5 波浪
2.5.1 简介
2.5.2 特征参数及其分类
2.5.3 线性波
2.5.4 非线性波
2.5.5 波浪分析与预测
2.6 海冰
2.6.1 简介
2.6.2 分类
2.6.3 海冰特征参数
2.6.4 海冰观测
2.6.5 海冰预测
2.7 海水温度
2.7.1 简介
2.7.2 海水温度测量及分布特征
2.8 海水盐度
2.8.1 简介
2.8.2 海水盐度分布
2.8.3 海水盐度测量方法
2.9 小结
思考题
第3章 水文统计分析方法
3.1 概述
3.2 概率分布函数
3.2.1 单变量分布函数
3.2.2 双变量分布函数
3.3 水文要素的参数估计
3.3.1 矩法
3.3.2 概率权重法
3.3.3 线性矩法
3.3.4 权函数法
3.3.5 最小二乘法
3.3.6 极大似然法
3.3.7 参数估计法的选择
3.4 水文要素的相关性检验
3.4.1 拟合优度分析
3.4.2 相关分析
3.5 小结
思考题
第4章 海洋水文要素可视化及变化特征分析
4.1 存储格式
4.2 海洋水文要素可视化方法
4.2.1 标量场数据可视化
4.2.2 矢量场数据可视化
4.3 时空特征分析
4.3.1 时空结构与特征分离
4.3.2 谱分析
4.3.3 熵分析
4.3.4 水文要素异变检验
4.4 小结
思考题
第5章 机器学习算法
5.1 监督式机器学习
5.1.1 决策树
5.1.2 神经网络
5.1.3 随机森林
5.1.4 支持向量机
5.1.5 宽度学习
5.1.6 联邦学习
5.2 非监督式机器学习
5.2.1 K均值聚类
5.2.2 自组织映射
5.2.3 流形学习
5.3 半监督式机器学习
5.4 机器学习的挑战与应用前景
5.4.1 样本容量
5.4.2 模型选择
5.4.3 耦联模型
5.5 小结
思考题
第6章 海洋水文要素预测
6.1 水文预测概述
6.1.1 回归模型
6.1.2 数值模型
6.1.3 资料同化系统
6.1.4 机器学习模型
6.2 数据获取
6.2.1 实测资料
6.2.2 海洋遥感数据
6.2.3 再分析数据
6.3 模型选择
6.3.1 逻辑回归
6.3.2 线性回归
6.3.3 朴素贝叶斯
6.3.4 最近邻算法
6.3.5 决策树
6.3.6 支持向量机
6.4 数据选取
6.5 数据清洗
6.5.1 缺失值处理
6.5.2 异常值处理
6.6 数据预处理
6.7 特征提取
6.8 预测模型构建
6.8.1 模型结构
6.8.2 损失函数
6.8.3 激活函数
6.8.4 优化算法
6.8.5 交叉验证
6.8.6 应用案例
6.9 模型优化
6.10 预测评估
6.11 小结
思考题
第7章 海洋水文预测信息的应用
7.1 海洋生态保护
7.2 海岸海洋营救
7.3 溢油应急响应
7.4 通航安全保障
7.5 气象预警与防灾减灾
7.6 海洋国防安全
7.7 海洋渔业养殖
7.8 海岸与海洋工程建设
7.9 小结
思考题
参考文献
展开
