局部气象参数实时数据是船舶航行、飞机起降所需要的非常重要的海洋气象参数。这些参数实时数据中的奇异数据对航行导航可能会导致危险后果。提出了一种基于径向基概率神经网络的气象重要参数状态识别方法用来识别奇异数据。将气象参数实时数据作为神经网络的输入，参数对应状态作为输出，通过对径向基概率神经网络模型训练，实现数据状态识别，将故障奇异数据进行有效识别。保证了气象观测系统输出数据的可靠性。实验结果表明，该方法可靠，且具有较好的泛化能力，能够实现气象参数实时数据状态的有效识别。

针对深海浮游生物的取样需求设计了一种高通量的深海压力补偿取样装置装置包括深海泵总成、自适应压力平衡过滤取样装置、压力补偿装置以及检测控制系统等。仿真分析了硬度90 HA的O形密封圈在安装压缩率22%、60 MPa的密封环境下的密封压力69.2 MPa满足密封需求;通过磁力扭矩实验发现扭矩0.2 N·m时密封舱壁厚7 mm满足传动及耐压性能的要求;60 MPa高压舱试验中深海泵总成的耐压、密封性能良好;建立了取样装置的压力补偿物理模型。仿真研究表明公称体积1 L、壁厚25 mm、预充压力25 MPa的囊式蓄能器在6000 m深海取样的计算中温度的变化使取样系统有8.75%的压力增加材料变形引起的压力损失约为0.4%温度变化对保压效果的影响较大为确保样品的原位特性在保压回路中增设溢流阀并配备样品储运冰箱。