【技术实现步骤摘要】
基于机器学习的密跃层预测方法
本专利技术属海水密度跃层检测领域，涉及基于机器学习的密跃层预测方法。
技术介绍
随着海洋数据呈现爆炸式增长，利用海洋观测资料对海洋密度跃层进行数据分析对军事领域具有重要意义。但是，由于自然环境因素，很多时候得到的海洋水文数据并不完整。在此情况下，如何通过部分数据预测待分析的海洋水文数据成为了海洋科学研究的热点。
技术实现思路
本专利技术提出一种基于机器学习的密跃层预测方法。技术方案如下：一种基于机器学习的密跃层预测方法，方法包括以下步骤：(1)选定数据源，确定密度跃层，将数据格式化存储：选取包括海洋温度、盐度数据的海洋数据集，从中选取0-500m深度范围内的数据作为训练集与测试集，根据海洋密度算法计算所需要的密度数据，将密度梯度定义为G，根据G与密度D、深度d以及层数n之间的关系求出密度梯度G，设立一个标记号flag，用来记录在某层密度是否有较大变化，如果有则将该列设为1，从而根据设立的标记号flag确定密度跃层，形成包含深度，压力，温度，盐度，密度，经度，纬...
【技术保护点】
1.一种基于机器学习的密跃层预测方法，方法包括以下步骤：/n(1)选定数据源，确定密度跃层，将数据格式化存储：选取包括海洋温度、盐度数据的海洋数据集，从中选取0-500m深度范围内的数据作为训练集与测试集，根据海洋密度算法计算所需要的密度数据，将密度梯度定义为G，根据G与密度D、深度d以及层数n之间的关系求出密度梯度G，设立一个标记号flag，用来记录在某层密度是否有较大变化，如果有则将该列设为1，从而根据设立的标记号flag确定密度跃层，形成包含深度，压力，温度，盐度，密度，经度，纬度，日期，密度梯度G，标记号flag的数据集进行存储。/n(2)确定训练集的选取比例，利用...
【技术特征摘要】
1.一种基于机器学习的密跃层预测方法，方法包括以下步骤：
(1)选定数据源，确定密度跃层，将数据格式化存储：选取包括海洋温度、盐度数据的海洋数据集，从中选取0-500m深度范围内的数据作为训练集与测试集，根据海洋密度算法计算所需要的密度数据，将密度梯度定义为G，根据G与密度D、深度d以及层数n之间的关系求出密度梯度G，设立一个标记号flag，用来记录在某层密度是否有较大变化，如果有则将该列设为1，从而根据设立的标记号flag确定密度跃层，形成包含深度，压力，温度，盐度，密度，经度，纬度，日期，密度梯度G，标记号flag的数据集进行存储。
(2)确定训练集的选取比例，利用三次样条插值平滑温度、盐度数据：训练集的选取比例确定为0.45，采用三次样条曲...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。