MCM520 ← 资料站首页 搜寻潜水器（三）：加勒比扩展、多机协同与四问综合 打开交互阅读器 →

搜寻潜水器（三）：加勒比扩展、多机协同与四问综合

摘要

承接前两篇的位置预测与贝叶斯搜寻，本篇回答第四问（推断），并把四问串成可交付监管审批的闭环。在加勒比海扩展中，将环境参数替换为"更强海流 + 更深温跃层 + 更浅地形"（涡峰值 E0: 0.8→1.5 km/h，潮汐振幅 0.3→0.6 km/h，温跃层 Z_pyc: 300→400 m，最大水深 2500→800 m），重新求解得 48 h 漂移 23.41 km（爱奥尼亚的 1.65 倍），无上报 R_unc(24h)=3.22 km（1.04 倍）。在多潜水器同区中，以相关失效 + 共享搜寻区假设，采用线性缩放律 t_total=t_single·(1+α(N−1))（α=0.55），N=3 时总时长 2.74 h。综合而言：定位与搜寻两问最扎实（可答性 4.5/4.5），准备与推断依赖设备与扩展假设（4.0/4.0）；不确定性预算显示 t=24 h 时 97% 的不确定度来自流场估计偏差，是最该被上报/实测削减的部分。全部数字与正文、配图、附录、工具四路一致。

一、问题重述（第四问 + 综合）

  • 推断 Infer：把模型扩展到加勒比海（环境更严酷）；讨论多潜水器在同一区域作业时的模型变化。
  • 综合：将定位—准备—搜寻—推断四问整合为一套可交付的安全程序。

二、加勒比海扩展建模

2.1 环境参数替换

参数 爱奥尼亚海 加勒比海
涡峰值流速 E0 (km/h) 0.8 1.5
潮汐振幅 T0 (km/h) 0.3 0.6
温跃层深度 Z_pyc (m) 300 400
最大水深 H_MAX (m) 2500 800

其余物理机制（密度 tanh 分层、中性浮力深度反解、流场合成、集合不确定性、贝叶斯搜寻）保持不变，仅替换环境强度。

2.2 扩展结果

中性场景在加勒比海重算后：48 h 漂移由 14.23 km 增至 23.41 km（放大 1.65 倍），无上报 R_unc(24h) 由 3.10 km 变为 3.22 km（放大 1.04 倍）。漂移放大显著（强流主导），而不确定度放大较小——因为不确定性增长主要由恒定流场偏差 CUR_BIAS 驱动，环境变强主要把目标推得更远，而非更快扩散。这提示加勒比海搜寻的难点是"目标跑得远"，而非"不确定球长得快"，故应更早动员、更长航程的搜寻资产。

加勒比海与爱奥尼亚海的关键差异在于“强流 + 浅水”：更强的中尺度涡与潮汐把潜水器推得更远（漂移 1.65×），而更浅的最大水深（800 m）意味着沉底场景更早触底、垂向可用水柱更短。对搜寻策略的启示是双重的：一方面要更早动员、配置更长续航与航程的搜寻资产以追上远漂目标；另一方面更浅的水柱使“无深度遥测”的惩罚（整柱层数）从 36 层降为约 16 层，垂直代价相对降低，但水平远漂仍是主要矛盾。

三、多潜水器同区作业

3.1 相关失效假设

多潜水器若因同一环境事件（如共同遭遇强流剪切、同一母船调度失效）而失联，其失效相关：它们大致在同一区域、共享同一片不确定性云。此时简单堆叠机器并不能获得 N 倍并行加速。

3.2 线性缩放律

模型采用 t_total = t_single·(1+α(N−1))，α=0.55 为重叠系数，刻画共享搜寻区下并行收益递减。取单机中性 t90=1.303 h 为基准：

ttotal(N)=tsingle⋅(1+α(N−1))t_{total}(N)=t_{single}\cdot\bigl(1+\alpha(N-1)\bigr)

N=3 时 t_total=1.303·(1+0.55×2)=2.74 h。该律表明：相关失效使多机协同的边际收益受限，盲目增机不如先降低失效相关性（分散初始部署、独立上报链路）。

该缩放律的保守性值得说明：它刻画的是“相关失效下最坏情形”——多机的不确定性云高度重叠，新增机器主要覆盖已被他人覆盖的区域，故边际收益受限、总时长随 N 线性而非反比下降。若各机失效相互独立（分散初始部署、独立上报链路），则不确定性云可分而治之，总时长应趋近于 t_single/N。因此管理上的首要建议是“降相关性”而非“堆机器”：通过错开下潜时刻、异构推进与通信冗余，把相关失效转化为独立失效，方能真正享受并行加速。

四、四问综合与不确定性预算

4.1 不确定性预算分解

t=24 h 时，位置方差 Var≈R_unc²=3.10²≈9.60 km²，其中初始位置误差贡献 Var₀=σ₀²=0.25 km²，流场估计偏差贡献 Var_bias≈9.35 km²，占比

VarbiasVar0+Varbias≈97.4%\frac{Var_{bias}}{Var_0+Var_{bias}}\approx 97.4\%

即 97% 的不确定度来自流场估计偏差——这是最该被削减的部分：周期声学上报、USBL、ADCP 实测流场均可直接压低它，从而线性缩小搜索面积（面积 ∝ R_unc²）。

4.2 四问逻辑链

定位（预测位置 + R_unc）→ 准备（配声学信标/USBL/侧扫，10.7 万$）→ 搜寻（部署预测均值、半径 2.45σ、深度遥测把时长从 46.9 h 压到 1.04 h）→ 推断（加勒比/多机扩展）。四问首尾相接，构成可提交监管的闭环安全程序。

五、模型求解汇总

  • 加勒比：drift48=23.41 km（×1.65），R_unc24=3.22 km（×1.04）；
  • 多机 N=3：t_total=2.74 h（α=0.55）；
  • 不确定性预算：97% 来自流场偏差；
  • 可答性：定位 4.5 / 准备 4.0 / 搜寻 4.5 / 推断 4.0。

六、结果分析与配图

图1 加勒比海 vs 爱奥尼亚海：强流使 48 h 漂移放大约 1.65×

图1 对比两海域的 48 h 漂移与 R_unc24：加勒比漂移 23.41 km（1.65×）显著更大，R_unc 仅 3.22 km（1.04×）。

图2 多潜水器同区：相关失效使不确定性重叠，总时长随 N 次线性缩放 (α=0.55)

图2 给出 t_total(N) 随 N 线性增长，N=3 时为 2.74 h，反映相关失效下并行收益递减。

图3 四问逻辑链：定位→准备→搜寻→推断闭环交付监管审批

图3 把四问串成闭环：每一问的输出是下一问的输入。

图4 不确定性预算（t=24 h）：97% 来自流场估计偏差，可经上报/实测大幅削减

图4 的饼图显示 24 h 时不确定度 97% 来自流场偏差，点明最优削减方向。

图5 场景可达性/搜寻难度（1易–5难）：中性悬停中层最难，上浮海面最易

图5 给出难度评分：中性 5（中层随流最难）、沉底 3（地形约束）、上浮 1（海面最易）。

图6 敏感性：48 h 漂移随涡峰值流速 E0 近似线性增长（位置预测对流场敏感）

图6 扫描 E0∈[0.4,1.6]，48 h 漂移近似线性增长，验证位置预测对流场强度的敏感性——实测流场（ADCP）价值在此凸显。

图7 决策时间线：失联后 6 h 内必须动员，越早部署搜区效率越高

图7 给出"失联→意识到+动员(ts=6h)→部署搜区→样式搜寻→探测确认"的时间线，强调 6 h 窗口的硬约束。

图8 四问结论强度（1–5）：定位/搜寻最扎实，准备/推断依赖设备与扩展假设

图8 量化四问可答性：定位 4.5、搜寻 4.5 最扎实，准备 4.0、推断 4.0 依赖外部假设。

四问之中，定位与搜寻以严密的物理推导与贝叶斯框架最为扎实（可答性 4.5），准备与推断则分别依赖设备清单与外部扩展假设（4.0）；但四问共享同一不确定性内核，任何对 R_unc 的削减都会沿“面积 ∝ R_unc²”的链路平方级惠及全链路——这正是“小投入、大回报”的杠杆所在，也是把模型从论文推向监管审批的着力点，其闭环逻辑可参考图3 的四问链路。

七、灵敏度与稳健性

  • 流场强度（图6）：漂移对 E0 线性敏感，故 ADCP 实测流场是高杠杆投入；
  • 温跃层深度 Z_pyc：平移 z*，改变中性悬停层与垂向流场因子；
  • 动员时延 ts：搜索面积 ∝ R_unc²(ts)，图7 的 6 h 窗口每拖延都平方级放大搜寻量；
  • 相关失效系数 α：多机协同收益直接受其约束，降低相关性（分散部署）比堆机器更有效。

流场强度是位置预测的最大敏感源：48 h 漂移对涡峰值流速 E0 近似线性，斜率约 17.5 h，意味着 E0 每增 0.1 km/h，48 h 漂移多漂约 1.75 km——这正是 ADCP 实测流场能带来的确定性收益。温跃层深度 Z_pyc 平移中性浮力深度 z*，进而改变悬停层与垂向流场因子，对“中性”场景影响最大。动员时延 ts 通过面积平方律放大搜寻量，图7 的 6 h 窗口每拖延都代价高昂。相关失效系数 α 直接约束多机协同，降低相关性比增机更有效。

八、模型优缺点与改进

优点：四问统一于同一物理内核，扩展只需换参；不确定性预算精确定位了最大误差源；四路数字一致、可复现。局限：流场为解析近似、未用真实再分析；多机模型用线性重叠律近似相关失效，未建联合后验；地形为合成。工程化时以实测 CTD/ADCP/海图替换即可直接落地。

工程化落地时，建议分三步走：第一步以实测 CTD 剖面替换合成密度参数、以再分析流场（如 CMEMS）替换解析涡+潮汐，提升位置预测精度；第二步接入真实海底地形（海图/多波束），修正沉底停驻点；第三步将本文贝叶斯搜寻接入实时 USBL/声学上报链路，实现“预测—部署—探测—更新”的滚动闭环。模型当前所有数字均由工具 gen_mcm2024b.py 确定性生成，便于监管方复算与审计。

九、结论

第四问的答案是双重的：加勒比海因强流使 48 h 漂移放大至 23.41 km（1.65×），须更早动员、更长航程资产；多潜水器同区时相关失效令并行收益递减（N=3 → 2.74 h），应先降相关性。四问综合显示 97% 的不确定度源于流场偏差，因此"声学上报 + USBL + ADCP 实测"是性价比最高的投入。定位与搜寻两问已可扎实交付，准备与推断在设备与扩展假设下成立，整套方法构成可通过监管审批的闭环安全程序。

参考文献

[1] COMAP. 2024 MCM Problem B: Searching for Submersibles.
[2] Allen A. A., Plourde J. V. Review of Leeway: Field Experiments and Implementation. USCG, 1999.
[3] 本模型配套真源 tools/gen_mcm2024b.py（确定性、SEED=2024）。

附录：核心 Python 实现（可独立运行复现上述数字）

import os, sys
sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "..", "..", "tools"))
import gen_mcm2024b as G

D = G.gen_mcm2024b()

print("== 加勒比海扩展 ==")
cb = D["caribbean"]
print("48h 漂移 = %.2f km (爱奥尼亚 14.23 的 %.2f 倍)" % (cb["drift48"], cb["factor_drift"]))
print("R_unc(24h) = %.2f km (%.2f 倍)" % (cb["R_unc24"], cb["factor_R"]))

print("\n== 多潜水器同区 ==")
m = D["multi"]
print("N=%d, t_single=%.3f h, alpha=%.2f -> t_total=%.3f h" % (m["N"], m["t_single"], m["alpha"], m["t_total"]))

print("\n== 不确定性预算 (t=24h, neutral) ==")
R24 = D["R_noping"]["neutral"][24.0]
v0 = 0.5 ** 2          # sigma0^2
vbias = R24 ** 2 - v0
print("R_unc(24h)=%.3f km, 初始误差占比=%.1f%%, 流场偏差占比=%.1f%%" %
      (R24, 100 * v0 / (v0 + vbias), 100 * vbias / (v0 + vbias)))

print("\n== 四问可答性（见图8）== 定位4.5 准备4.0 搜寻4.5 推断4.0")