在网络科技高速发展的今天，海洋信息的互联互通得到世界各国的空前重视。随着信息技术的快速发展，物联网技术在各个领域已经得到了初步应用。在海洋领域，诸多国家部署了自己的海洋观测网。其中，英国气象局普劳德曼海洋学实验室建立的近岸海洋模拟系统 （Proudman Oceanographic Laboratory Coastal Ocean Modeling System’POLCOMS）， 美国海洋监测集成系统IOOS（An operational and sustained and Integrated Ocean Observing System），以及欧洲海洋观测数据网络EMODnet（The European Marine Observation and Data Network）最具代表性。

海洋物联网是利用互联网技术，将海上的各种传感设备互通互联，从而将海上信息整合，实现对海上繁杂数据的监测和系统化管理[1]。海洋物联网是物联网技术在海洋方面的应用，其核心技术仍是物联网技术。通常，海洋物联网通过水上或水下传感设备采集与海洋相关的各项参数，传感设备通过多种通信手段将数据发送到海洋观测系统、数据中心或云平台。云平台利用大数据和机器学习等相关技术通过定制化的软件对海洋数据进行统一的管理、分析及利用[2]。

但是目前海洋物联网的发展主要存在以下几个问题：第一，目前海洋观测平台往往是根据特定需求进行定制，很难实现前端海洋传感器的自由接入；第二，观测平台及手段多样，平台之间相互独立，无法实现数据的共享和交互；第三，各观测平台之间缺乏规范化的接口，对于后期大规模的集成造成了不便；第四，即使部分观测平台之间存在标准化的接口，仍需要大量的人工转换操作。

针对以上存在的问题，本文分析了海洋物联网的发展历程，将其分为海洋物联网1.0，海洋物联网2.0，海洋物联网3.0及海洋物联网4.0 四个阶段，对未来的海洋物联网发展趋势做出了预测和分析。并通过具体应用案例对海洋物联网4.0进行了初步实现，验证了海洋物联网4.0的可行性。

提出了一种基于性能指标的Acrobot机器臂的控制方法，控制策略是使用最优控制律驱动系统向不变集运动，当系统运动至可线性化区域时，切换控制至LQR，使系统稳定在垂直向上平衡点。讨论了最优控制律下系统的局部稳定性和切换控制的全局稳定性，建立了控制器的算法。值得一提的是，文中控制律可能出现奇异非平凡问题（即某时段内开关函数恒为0）是将来需要进一步解决的问题。

海洋物联网4.0阶段进一步抽象了物联网的前端设备，实现了前端不同传感设备的自动接入，简化了开发过程，通过定义标准化接口服务，实现了智慧仪器的大规模集成，开发效率得到提高，实现了系统之间的无缝集成[11]。

1 相关工作

随着物联网技术的飞速发展，以及各种先进的水下传感设备的出现，越来越多的国家建立了自己的海洋物联网系统。英国为了研究爱尔兰近岸海洋、气候对环境和人类活动的影响，在爱尔兰海域建立起了多元海洋观测系统。此系统仅局限于数据的实时监测，为了实现对海洋元数据的模拟再分析，爱尔兰海区观测系统使用了英国气象局的普劳德曼海洋学实验室的近岸海洋模拟系统（Proudman Oceanographic Laboratory Coastal Ocean Modeling System’POLCOMS）， 实现 了 包括气候现象与极端天气统计，海洋生物活动预测及气象模拟和预测等智能化功能。为了应对美国南卡罗来纳州和北卡罗来州的灾害性气候问题，美国北卡罗来纳州立大学和南卡罗来纳州立大学联合开发了Caro-COOPS系统，将其部署在卡罗来纳州附近海域，通过整合和分析系统的实时数据对当地海洋气候做出准确且及时的预报。在维多利亚海域部署的加拿大不列颠哥伦比亚南部的近岸海底观测系统——维多利亚海底观测网（ Victoria Experimental Network Under the Sea’VENUS）不仅具备传统观测系统对于水下各种参数的实时监测功能，另外该系统借助互联网技术和卫星通信技术将海洋数据传输到智能化数据管理平台，从而分析自然力及人类活动对海洋环境的影响。Argo计划 （ARRAY for REAL-TIME GEOSTROPHIC OCEANOGRAPHY）通过在全球海洋部署的卫星跟踪浮标，组成一个庞大的海洋实时观测网，在全球范围内快速准确地收集、分析海洋数据，从而提高气候预报的准确性，并且及时预防全球自然灾害给人类带来的影响。

同时我国也正在进行海洋观测网建设， 《中国海洋观测网总体规划 （2011-2020）》从河口观测、湖泊观测、近岸区域观测、深远海观测、海底海床观测、航拍观测、卫星遥感观测方面构建立体化和综合化的中国海洋观测网。各类海洋观测及海洋信息系统的互联互通、综合集成、协同工作是 《总体规划》的重要内容。2017年11月国家海洋局发文要正式建设中国的 “全球海洋立体观测网”[3]。

Sansanayuth 等[32]研究了潜流人工湿地对养虾废水的净化能力，实验表明，种植了耐盐植物的湿地系统对BOD的净化能力可以达到91%，明显高于普通湿地。Nitisoravut等[33]研究了在人工湿地中种植香蒲后对BOD去除率的盐抑制系数。国内学者研究了海水盐度对人工湿地污水净化效果的影响，结果表明，当海水比例小于40%时，人工湿地的污水净化效果几乎不受盐度的影响[34]。刘佳宁[35]在人工湿地中同时应用厌氧氨氧化细菌及盐生植物处理含盐废水，获得良好的实验效果，不但提高了湿地的净化能力，同时节约了成本，对增加湿地的附加利用值、提高经济效益具有重要的经营意义。

医生根据患者的年龄、性别、生活习惯、身体状况，为患者设定预警值；当患者数据超过预警值，系统将发出警报，自动推送预警信息；系统根据需要，将患者某一时间段内某个指标的历史变化和预警值，绘制到一张图上，进行直观展示；用户可以选择时间段，查询患者的历史预警记录。

作者所在的科研团队分析了海洋物联网当前发展的形势，在文献[9]、[10]、[11]中提出了复杂虚拟仪器模型、物联网仪器模型等物联网系统开发共享架构，实现了海洋物联网前端传感器和大规模物联网系统的集成。上述框架对物联网前端作出了限定，仍然没有解决在不同领域之间物联网前端的自动接入问题，无法适应大数据时代的物联网系统复杂多变的需求。

本节主要介绍了课题组为实现海洋物联网4.0而制定的IEEE2402互联标准。本标准规定了建立基于复杂虚拟仪器 （CVI）[9-11]的分布式海洋观测软件系统框架，复杂虚拟仪器 （CVI）是本科研团队提出的一个包含处理和显示采集到的海洋仪器元数据功能的物联网仪器模型。该模型对功能模块进行划分，通过将层间协议接口类型和交互过程标准化，实现不同观测仪器的自动接入，从而形成不同功能的监测系统。同时，通过定义CVI输出的Web Service，MQ和FTP标准化数据访问接口，对外提供数据访问服务。其中图5为CVI体系结构模型图，并指出了需要标准化的接口。

2 海洋物联网发展历程及趋势

课题组将海洋物联网的发展过程大致分为：海洋物联网1.0，海洋物联网2.0，海洋物联网3.0，海洋物联网4.0。

本节概述了海洋物联网的发展历程及现状，并提出了未来海洋物联网的发展方向。

2.1 海洋物联网1.0

把物联网技术的发展划分为物联网1.0至物联网4.0 四个不同的发展阶段。其中海洋物联网1.0阶段的系统模型如图1所示。该阶段下的物联网系统由监测对象、各种海洋传感器、传感设备、局域网和独立客户端构成。通常布置在监测对象上的传感器获取到具体参数的模拟量，与之相连的传感设备上将其转化为具体的数字量，通过局域网把数据传输到独立的客户端，在客户端软件上将海洋数据以各种形式展现给用户[4]。此阶段仅仅实现了一个局部的的物联网系统下将数据采集到独立客户端，从而实现某些特定的需求。而不同的海洋物联网系统之间没有做到互通互联，进而形成了许多我们所说的 “信息孤岛”，限制了系统之间的数据互操作。

  

图1 海洋物联网1.0系统模型图

2.2 海洋物联网2.0

海洋物联网2.0阶段的系统模型如图2所示，客户端A、B、C分别为海洋物联网1.0阶段的一个独立客户端，在这里我们称之为物联网子系统。在2.0阶段要实现各物联网子系统的信息交互需要在系统中预设供外部访问的接口，图2中的集成客户端通过访问子系统的外部接口对子系统进行交互。物联网2.0阶段在物联网1.0的基础上实现了不同海洋物联网平台之间的互联互通。通常实现异构系统互联的方法为：子系统对外提供标准的Web服务、MQ和FTP接口，并对相关接口的交互方式和相关描述文件进行标准化定义。实现海洋物联网2.0的关键在于利用标准化的接口为物联网系统之间建立起沟通的桥梁[5-6]。标准化接口的设计思想应是能够在实现与外部系统交互功能的前提下，将接口做到尽可能通用且数量较少，减少对原系统的改动及系统互联所引起的开发工作量。

1931年9月，但采尔如约来到南京的中研院，带来民族学标本134种，另外还有图标120幅、各族照片28幅。民族博物馆建设，因经费等各种原因耽搁下来，最终未能实现。为充分利用但采尔带来的这些物品，蔡元培就专门指示在中研院辟出地方，设立了一个民族学标本陈列室。远道而来的但采尔便留在中研院民族学组从事民族学研究。

  

图2 海洋物联网2.0系统模型图

2.3 海洋物联网3.0

物联网3.0阶段的系统模型如图3所示，该阶段引入了云平台技术。首先，海洋物联网云平台解决了物联网2.0阶段单机子系统本地存储能力较弱的问题，物联子系统通过标准化接口将数据上传到云平台，同时集成客户端可以通过标准化接口之间从云平台读取定向数据；另外，单机子系统计算能力不足的问题可以通过海洋物联网云平台很好的解决，云平台通过大数据和云计算技术能够更好的完成复杂的分析、预报工作；其次，海洋物联网云平台可以实现对物联子系统软件代码的管理和复用，物联网云平台通过提炼各物联网系统的共性特征，将各物联网系统封装成多个软件功能模块，使开发过程更加快速且直观[7]。同时方便了每个物联网子系统与异构系统的交互，每个用户可以通过平台的搜索引擎搜索云平台所有可用系统。在功能代码和数据形式标准化的前提下，云服务平台可以提供统一的用户界面，并为用户动态地加载各类功能代码从而实现系统的无缝接入和动态重构[8]；最后，在海洋物联网云平台上，通过数据处理模块实现对海洋数据的更直观展示。

  

图3 海洋物联网3.0系统模型图

相对于2.0阶段，此阶段将数据的存储和计算过程都迁移到了云端，大大提高了存储能力和计算速度。另外此阶段将所有子系统的客户端软件都整合在了云端，省去了人工部署过程，并实现了软件模块的复用。

  

图4 海洋物联网4.0系统模型图

2.4 海洋物联网4.0

海洋物联网4.0阶段的系统模型如图4所示，在海洋物联网中前端传感器设备种类繁杂，在对传感器设备进行数据采集和传感设备控制时，海洋物联网3.0阶段利用计算机，根据不同传感设备的通信协议人工设计不同的数据采集和控制系统。为了实现前端设备的自动接入，减少针对不同传感设备的开发工作量，将智能转换平台引入到海洋物联网4.0结构模型中。智能转换平台通过解析传感设备描述文件来与设备进行通信。在前端传感设备更换时，只需修改设备的描述文件。标准化数据平台负责对采集到的数据进行存储和管理。为了适应在大型互联过程中不同系统之间数据结构不同的问题，标准化数据平台对所有数据进行格式标准化处理。标准化后的数据可以直接被人工智能平台利用，完成预报预测、智能决策、统计分析和特征分析等工作。随着大数据时代的到来，海洋物联网不再是单纯地获取某些简单的参数，云平台强大的计算能力结合人工智能技术将元数据进行二次加工，从而实现如海洋天气预报，台风路径预测和洋流运动预测等功能。应用服务平台可作为海洋物联网4.0模型中的可选模块，其功能对系统软件代码进行管理，从而提高软件的复用性。用户可以查询所有可用系统，并能够在平台动态的加载系统功能代码，减少了重复开发和重复部署的困扰。另外应用服务平台封装了物联网系统标准化的功能代码，包括采集控制模块、数据管理模块、和数据处理模块等，用户可以在标准化开发平台提交需求，平台自动生成系统。在减少了开发成本的同时提高了系统通用性。

本文其余部分组织结构如下：第二节概述了物联网领域的相关工作；第三节总结了海洋物联网发展的不同阶段；第四节介绍了课题组开发的海洋智联网在实际应用的案例；第五节对文章内容进行总结，并概述了海洋物联网发展所面临的问题和挑战。

3 应用案例

为了实现未来海洋物联网4.0，制定了IEEE 2402互联标准化协议，并针对其采集层和互联层接口设计了智能匹配算法，初步实现了海洋物联网4.0阶段，为其他研究者实现海洋物联网4.0提供了理论依据，同时也验证了海洋物联网4.0在实际实施过程中的可行性。

3.1 采集层人工智能匹配算法

本节主要实现了海洋物联网4.0智能转换平台部分的功能，针对采集层接口进行了标准化，并运用人工智能技术实现传感参数的智能匹配。

不同地区数据源的格式、类型和访问方式多种多样，这使得数据采集上层开发复杂，效率低下。为解决这个问题，课题组提出了一种新型的可扩展数据采集中间件 （DAQ-Middleware）[21]。通过架构模型的设计，访问方法和接口的标准化，DAQ-Middleware实现了对异构数据源的快速访问，为物联网应用提供了标准化的格式化传感数据。此外，为了提高传感器数据采集速率，课题组还提出了并行数据采集算法和采集效率优化启发式算法，并验证了其合理性、可行性、开发效率和数据采集效率。

上述海洋物联网系统均做到了对海洋数据的实时监控和定向分析，基于当地环境解决了特定的问题。上述系统都是根据特定的需求开发，在系统开发时没有重视不同系统之间进行大规模互联的接口标准化问题，从而导致了系统与系统之间互通互联困难，限制了数据的利用率。其次，标准化技术的缺失，导致了系统软件模块在通用场景下的复用性低下问题。

2月17—18日，水利部部长、党组书记陈雷深入浙江宁波、舟山等地调研水利工作。浙江省委常委、副省长葛慧君一同调研，浙江省委常委、宁波市委书记王辉忠，宁波市市长刘奇陪同在甬调研，水利部总规划师兼规划计划司司长周学文等参加调研。

物联网数据库与集成平台数据库之间的传感参数映射工作是海洋物联网集成过程中的一个重要部分。目前，对于传感器数据整合，开发人员需要分析数据库的存储结构和传感参数，根据分析结果将这些参数配置为整合后物联网数据库中的新传感参数。在实际操作过程中，由于需要映射的传感参数数量庞大，所以配置工作极其复杂，且容易出现错误。

本科研团队提出了一种传感参数智能匹配算法[17]，根据物联网系统在特定应用环境下的监测参数相同的特点，综合数据库中已有大量的历史数据，并通过适当的机器学习算法，在所获取的参数与历史参数之间自动建立感知参数的映射关系。实现了不同物联网系统之间的传感参数自适应匹配。通过改进和优化KNN算法，提高了算法的准确性，降低了算法的计算复杂度。我们使用现有的测试环境来验证我们的模型和算法。结果表明我们的算法更稳定，更高效[12]。

3.2 IEEE 2402海洋互联标准化协议

另外本科研团队与国家海洋技术中心等单位合作，共同发布了针对海洋物联网系统互联的标准化协议——IEEE 2402标准[15]。相比之前美国国家标准技术研究所（NIST）、IEEE仪器与测量协会传感技术委员会联合提出的IEEE-1451标准（网络化智能传感器标准）和美国蒙特利湾水族馆研究所提出的OGC-PUCK协议，该标准更注重在软件层面进行接口的标准化，不需要改动前端传感器的硬件，减少了标准化成本，提高了标准化的实用性。

连作玉米田及高湿、雨后骤晴的情况下发病严重。病菌从根部伤口侵入，发病初期叶片呈灰绿色，萎蔫下垂，并逐渐变黄；根系和茎基部呈水渍状后变褐腐烂，潮湿时可见白色或粉红色菌丝。

该标准提供了基于CVI开发过程的指导方针，其中CVI结构设计包括观测数据和元数据的管理，基于地理空间信息的虚拟仪器引擎和CVI交互的服务接口; CVI映射方案描述观测对象对CVI的响应; CVI关系定义了CVI之间的关系，描述了扩展和合成多个CVI的方法。

  

图5 CVI体系结构模型图

3.3 数据共享接口智能匹配算法

本节主要实现了海洋物联网4.0智标准化数据平台部分的功能，针对互联层接口进行了标准化，并运用人工智能技术实现了数据的识别和类聚。

比如，在电功率的复习课上，教师以电热水壶为教学资源情境，层层设问，串联相关知识要点，明确复习方向。适时追问，关注教学难点，培养学生解决问题的能力。具体流程为以下四个环节。

一个家庭也有它自己的政治秩序，刘瑜说，健康的政治制度的真谛在于制衡。很多时候，我们给了宝宝无限大的权利，而忘了制衡——要适当地限制他的欲望无限放大，尤其是当他的行为和喜好已经妨碍到其他家庭成员的时候。如果家里所有人因为重视他爱护他而无限制地让着他，那么，他就会默认为，自己拥有的权利是没有边界的，所有人都应当为他让位。

目前大部分的海洋观测异构数据都是独立、分散的存储于各个地区，形成了大量的信息孤岛，由结构化数据 （如关系型数据库）、半结构化数据 （如XML、HTML）和非结构化数据 （如Nosql数据库、图片、视频）等多种形式组成，如何通过 “二次采集”将这些信息孤岛互联起来受到人们的关注。模式匹配技术在数据互联过程中发挥着巨大的作用。尽管目前对物联网异构数据可以通过制定统一数据接口标准的方式进行互联，但在实际应用中却很难实现，因为对于已经存在的海量数据存储模式的改造成本巨大，数据异构问题的解决不可避免。数据模式匹配技术为解决以上问题提供了一个良好的解决方案。传统的模式匹配操作大多都是由IT技术人员手工完成，随着数据规模的扩大以及模式复杂度的提升，手工匹配会耗费巨大的人力物力，并且容易破坏数据的完整性和准确性[13-14]。目前已有的研究成果利用数据元素自身信息、语义信息、数据实例信息和结构信息来挖掘模式正确的元素映射关系，但在互联过程中模式匹配过程的人工参与度过高，匹配效率低下[16]。因此，我们提出了一种面向海洋观测异构数据的模式自动匹配算法[18]，其架构如图6所示。首先，我们分析了海洋观测异构数据的特征（即时间序列特征），并以此为切入点对异构数据进行预处理[19-20]，用相邻时间序列间的每一个传感器的数值变化率组成新的时间序列数据集合；其次，预处理后的数据集中两两传感器变化趋势组合的分布进行了统计，以此作为特征进行数据的特征提取；最后，通过使用SOM神经网络对特征进行聚类，从而实现了对海洋观测异构数据的智能匹配。

  

图6 异构数据的模式自动匹配算法架构图

4 总 结

本文分析了当今海洋物联网发展现状，总结了海洋物联网发展的历程，对未来海洋物联网发展方向做出了简要的分析，并提出了一种新的海洋智联网概念模型，实现了不同前端传感设备的自动接入，提高了开发模块的复用性。通过标准化接口的定义方便了海洋物联网系统的大规模集成。虽然通过标准化接口的定义和海洋智联网概念模型的设计对于扩大海洋物联网规模和提高集成速度有大幅改进，但是海洋物联网的发展仍然面对诸多的挑战：

（1）该海洋智联网模型是一个嵌套结构，在系统集成规模增大的过程中，会影响到数据的集成效率，所以如果提升数据集成效率将会是海洋物联网发展的一个重要问题；

（2）在海洋监测平台互联过程中，如何实现平台之间的自动互联也将是一个迫切需要解决的问题；

[25]S. R. Ashton, “Burma, Britain, and the Commonwealth, 1946—1956,” The Journal of Imperial and Commonwealth History, Vol.29, No.1, 2001, p.70.

（3）在大数据技术高速发展的背景下，将海洋物联网云平台与大数据相结合，从而进一步提高数据的交互速度和利用率也将是一个亟待解决的问题。

参考文献：

[1] Straalen J P’Leyte A’Weber J A’et al.The Internet of Things： A survey[J].Computer Networks’2010’54（15）：2787-2805.

此阶段相对于1.0阶段打破了各物联网系统之间的信息壁垒，提高了信息的利用率和互通性。但是在2.0阶段所有的数据都存储在本地，所有的计算过程也都在本地进行，存储能力和计算能力能受到限制。

[2] Qiu Z.Adaptive high-speed data acquisition algorithm in sensor network nodes[J].Journal of Southeast University’2012’127（1）： 236-238.

[3] Liu Y’He Y’Li M’et al.Does Wireless Sensor Network Scale？ A Measurement Study on GreenOrbs[C].INFOCOM’ 2011 Proceedings IEEE’2011：873-881.

[4] Liu Y’Qiu M’Liu C’et al.Big Data in Ocean Observation： Opportunities and Challenges[C].International Conference on Big Data Computing and Communications.Springer International Publishing’2016：212-222.

[5] Massie M L’Chun B N’Culler D E.The ganglia distributed monitoring system： design’implementation’and experience[J].Parallel Computing’2004’30（7）： 817-840.

[6] Chew E Y’Clemons T E’Bressler S B’et al.Randomized trial of a home monitoring system for early detection of choroidal neovascularization home monitoring of the Eye （HOME） study[J].Ophthalmology’2014’121 （2）：535-544.

[7] Bauer A R’Burns K T’Esposito M V’et al.Monitoring system for determining and communicating a cost of in surance： U.S.Patent 8’090’598[P].2012-1-3.

八、栈桥接地电阻测量预留点与图纸不全符合，现场勘察只看到位于栈桥南侧约24米处有一预留点，其余未发现有预留点。

早先的动物研究和个案报道中发现早孕期妇女暴露于EFV引起神经管畸形的风险升高，但后来的研究中并未发现这个问题，所以目前认为EFV可以应用于妊娠各个阶段。由于有研究发现早孕期妇女暴露于DTG引起神经管畸形的风险升高，目前不推荐在妊娠8周内使用DTG。所以对那些有怀孕意愿的或者不采取避孕措施的妇女，应选用不含DTG的其他抗病毒治疗方案。NVP不良反应较多，而且只可以用于CD4+T淋巴细胞＜250个/μL的女性。RPV不能用于HIV病毒载量＞100 000拷贝/mL和CD4+T淋巴细胞计数＜200个/μL的患者。

[8] Song E Y’Lee K B.Service-oriented sensor data interoperability for IEEE 1451 smart transducers[C].Instrumentation and Measurement Technology Conference’2009.I2MTC,09.IEEE’2009： 1043-1048.

[9] Guo Z’Liu C’Wang X’et al.CVIS： Complex virtual in struments system architecture[C].Instrumentation and Measurement Technology Conference （I2MTC）’2013 IEEE International.IEEE’2013： 566-571.

[10] Liu C’Guo Z’Feng Y’et al.CPCA： The Cloud Platform of Complex Virtual Instruments System Architecture[J].IEEE Access’2017： 1-10.DOI： 10.1109/ACCESS.2017.2699662

引导基金通过建立让利机制，引导社会资本投向，促进资本、技术和市场的融合，实现政策性目标和商业性目标的双赢。截至2018年9月底，引导基金已从11支子基金中成功退出，在完成政策目标的基础上，实现了账面盈利，并将盈利部分让利社会资本。回收的资金进入引导基金专户，实现良性循环发展。

[11] Qiu Z’Guo Z’Guo S’et al.IoTI： Internet of things instruments reconstruction model design[C].IEEE International Instrumentation and Measurement Technology Conference Proceedings.IEEE’2016：1-6.

[12] Chao Liu’Qingsong Yu’Tianao Zhang’et al." Component-based Cloud Computing Service Architecture for Measurement System." In 2013 IEEE International Conference on Green Computing and Communications and IEEE Internet of Things and IEEE Cyber’Physical and Social Computing’1650-1655.IEEE’2013.

[13] Zhijin Qiu’Zhongwen Guo’Shuai Guo’et al."IoTI： Internet of Things Instruments Reconstruction Model Design".In Instrumentation and Measurement Technology Conference （I2MTC）’2016 IEEE International’IEEE’2016.

[14] Zhongwei Sun’Zhongwen Guo’Mingxing Jiang’et al."Research and Application of Fast Multilabel SVM Classification Algorithm Using Approximate Extreme Points".The 2nd International Conference on Big Data Computing and Communication’2016.（EI）（Best Paper Candidate）.

采用逻辑斯蒂方程对测得的试验数据进行拟合，利用综合优化软件对所要拟合的非线性生长模型进行曲线拟合，得到的大豆主根生长的非线性回归方程为

[15] IEEE P2402.Standard for design criteria of Complex Virtual Instrument for Ocean Observation.IEEE Standards Association 2017.

[16] Guo Z’Chen P’Feng Y’et al.ISDP： Interactive Software Development Platform for Household Appliance Testing Industry[J].IEEE Transactions on Instrumentation ＆Measurement’2010’59（5）： 1439-1452.

[17] Qiu Z’Hu N’Guo Z’et al.IoT Sensing Parameters Adaptive Matching Algorithm[M]. Big Data Computing and Communications.Springer Berlin： International Publishing.2016： 15-18.

[18] G Shuai’Z Guo’Z Qiu’et al.IFRAT： An IoT Field Recognition Algorithm based on Time-series Data[M].Big Data Computing and Communications.Berlin： Springer International Publishing.2016： 91-94.

[19] Liu C’Guo Z’Hong F’et al.DCEP： Data Collection Strategy with the Estimated Paths in Ocean Delay Tolerant Network[J].International Journal of Distributed Sensor Networks’2014’01（1）： 155-184.

[20] C Liu’Z Sun’J Liu’et al. VSTP： vessel spatiotemporal contact pattern detection based on MapReduce[J].Eurasip Journal on Wireless Communications ＆ Networking’2017’129（1）： 173-175.

[21] Zhijin Qiu’Zhongwen Guo’Shuai Guo’et al." DAQ-Middleware： Data Acquisition Middleware based on Internet of Things "// Big Data Computing and Communications 2017.