海洋表面污染物扩散的贝叶斯估计与重构
信号处理
2024-10-29 v2 计算工程、金融与科学
摘要
有害物质排入海洋环境对公众健康和生态系统均构成重大风险。在此类事件中，必须根据所采集的测量数据准确估计源的排放强度并重构物质的时空扩散过程。在本研究中，我们提出一个集成估计框架以应对这一挑战，该框架可与用于环境监测的传感器网络或移动传感器结合使用。我们采用基本的对流-扩散偏微分方程（PDE）来表示物理量在非均匀流场中的一般扩散。利用动态瞬态有限元方法（FEM）将 PDE 模型在空间上离散为线性状态空间模型，从而将时变扩散的表征转化为从传感器测量推断模型状态的问题。我们还考虑了不完美感知现象，包括漏检和信号量化，这些现象在使用传感器网络时经常遇到。这一复杂的传感器过程给贝叶斯估计过程引入了非线性。我们设计了 Rao-Blackwellised 粒子滤波（RBPF）以通过利用状态空间模型的线性结构提供有效解，而测量模型的非线性可由带粒子的蒙特卡洛近似处理。所提框架利用波罗的海一起模拟溢油事件及真实海洋流数据进行了验证。结果表明所开发的时空扩散模型与估计方案在不完美测量下有效。此外，讨论了参数选择过程，并给出了一些对比研究以说明所提算法相对于现有方法的优势。
引用
@article{arxiv.2309.00369,
title = {Bayesian estimation and reconstruction of marine surface contaminant dispersion},
author = {Yang Liu and Christopher M. Harvey and Frederick E. Hamlyn and Cunjia Liu},
journal= {arXiv preprint arXiv:2309.00369},
year = {2024}
}