【数据分析】大型ADCP数据集的处理和分析(Matlab代码实现)

简介: 【数据分析】大型ADCP数据集的处理和分析(Matlab代码实现)

💥1 概述

本文将指导您完成处理和分析船载(VM-ADCP)和降低声学多普勒电流轮廓仪(L-ADCP)所需的步骤。

📚2 运行结果

 

🎉3 参考文献

[1]杨远征,徐超,李莎,何云开.2009-2012年南海海洋断面科学考察走航ADCP海流观测数据集[J].中国科学数据(中英文网络版),2019,4(03):152-161.

👨‍💻4 Matlab代码

主函数部分代码:

clc;clear;
% Set coefficients
eta0=0.01; % highest height of eddy
R=300; % eddy's radius
f=0.01; % coriolis coefficient
g=9.81; % gravity constant
% Set grid
x=-500:10:500;
y=-500:10:500;
[x y]=meshgrid(x,y);
% Set sea surface height
eta=eta0*exp(-(x.^2+y.^2)/R^2);
% Calcualte geostrophic velocity
v=(g*eta0)/f*(-2*x/R^2).*exp(-(x.^2+y.^2)/R^2);
u=-(g*eta0)/f*(-2*y/R^2).*exp(-(x.^2+y.^2)/R^2);
% Visualization
figure(1)
clf
set(gcf,'color','w')
subplot(2,1,1)
surf(x,y,eta)
view([-45 80])
title('\eta, sea surface height','fontweight','bold')
subplot(2,1,2)
z0=zeros(size(x));
quiver3(x,y,z0,u,v,z0)
view([-45 80])
axis([-500 500 -500 500 0 0.01])
title('u and v, velocities','fontweight','bold')
%% get observations
n_obs=200;
x_vec=x(:);
y_vec=y(:);
u_vec=u(:);
v_vec=v(:);
ixr=randi(numel(x_vec),[n_obs,1]);
x_obs=x_vec(ixr);
y_obs=y_vec(ixr);
u_obs=u_vec(ixr);
v_obs=v_vec(ixr);
figure(2)
clf
hold on
quiver(x,y,u,v,'k')
quiver(x_obs,y_obs,u_obs,v_obs,'r')
figure(3)
clf
div=divergence(u,v);
surf(div)
shading flat
相关文章
|
5月前
|
机器学习/深度学习 数据采集 数据可视化
【python】python当当数据分析可视化聚类支持向量机预测(源码+数据集+论文)【独一无二】
【python】python当当数据分析可视化聚类支持向量机预测(源码+数据集+论文)【独一无二】
106 1
|
3月前
|
数据可视化 数据挖掘 大数据
Python 数据分析入门:从零开始处理数据集
Python 数据分析入门:从零开始处理数据集
|
3月前
|
数据挖掘 UED
ChatGPT数据分析——探索性分析
ChatGPT数据分析——探索性分析
63 1
|
3月前
|
数据可视化 数据挖掘 数据处理
ChatGPT数据分析应用——热力图分析
ChatGPT数据分析应用——热力图分析
146 1
|
3月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(分组分析)
ChatGPT在常用的数据分析方法中的应用(分组分析)
87 1
|
3月前
|
数据挖掘 数据处理
ChatGPT在常用的数据分析方法中的应用(交叉分析)
ChatGPT在常用的数据分析方法中的应用(交叉分析)
68 1
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
80 0
|
3月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(对比分析)
ChatGPT在常用的数据分析方法中的应用(对比分析)
72 0
|
4月前
|
机器学习/深度学习 人工智能 数据挖掘
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
52 3
|
5月前
|
数据采集 数据可视化 数据挖掘
使用Python进行数据分析的新手指南深入浅出操作系统:从理论到代码实践
【8月更文挑战第30天】在数据驱动的世界中,掌握数据分析技能变得越来越重要。本文将引导你通过Python这门强大的编程语言来探索数据分析的世界。我们将从安装必要的软件包开始,逐步学习如何导入和清洗数据,以及如何使用Pandas库进行数据操作。文章最后会介绍如何使用Matplotlib和Seaborn库来绘制数据图表,帮助你以视觉方式理解数据。无论你是编程新手还是有经验的开发者,这篇文章都将为你打开数据分析的大门。