【技术实现步骤摘要】
一种基于自组织竞争型神经网络的海洋声速剖面获取方法
本专利技术涉及海洋声速剖面
，更具体地说，它涉及一种基于自组织竞争型神经网络的海洋声速剖面获取方法。
技术介绍
声速剖面是海洋最基本的声学参量，它是水下目标识别、海洋环境监测、水下通讯等水声学应用中必需的海洋环境信息。由于海洋是一个不断变化的复杂系统，海洋声速剖面具有很强的时间和空间变化特性，精确的大面积实时海洋声速剖面获取是一个亟待解决的技术问题。获取声速剖面最直接的方法是通过声速仪等设备直接现场测量，但是成本很大，并且难以进行大范围的测量。海洋卫星遥感可以满足大范围和实时性的海洋测量需求，但是其测量的参数局限于水体表层。近年来，随着Argo浮标和遥感等观测技术的不断发展，使得海洋剖面和表面数据样本不断累计，通过发掘海洋剖面和表面数据间的关系，利用海表遥感数据推导水下声速剖面成为了大面积实时获取海洋声速剖面最重要的手段，成为相关技术的主要发展方向。现有技术中利用正交经验函数(Empiricalorthogonalfunction,EOF)加线性拟合的方法能精...
【技术保护点】
1.一种基于自组织竞争型神经网络的海洋声速剖面获取方法，其特征是：具体包括以下步骤：/nS1、对历史声速剖面进行EOF处理，并将每一个历史声速剖面的样本剖面表示为平均值加上正交经验函数向量乘以对应各阶剖面系数An的形式；/nS2、对历史海表参数Xn进行处理，且选择的所述历史海表参数的量不受限制；/nS3、以日为时间单位，将步骤S1中的剖面系数An、步骤S2中的历史海表参数Xn组成样本训练向量，同一日的数据组成一组训练向量[A1、A2、……、An、X1、X2、……、Xn]；/nS4、采用基于自组织竞争型的神经网络算法对训练样本集进行训练，以机器学习的方式形成人工神经元拓扑结构...
【技术特征摘要】
1.一种基于自组织竞争型神经网络的海洋声速剖面获取方法，其特征是：具体包括以下步骤：
S1、对历史声速剖面进行EOF处理，并将每一个历史声速剖面的样本剖面表示为平均值加上正交经验函数向量乘以对应各阶剖面系数An的形式；
S2、对历史海表参数Xn进行处理，且选择的所述历史海表参数的量不受限制；
S3、以日为时间单位，将步骤S1中的剖面系数An、步骤S2中的历史海表参数Xn组成样本训练向量，同一日的数据组成一组训练向量[A1、A2、……、An、X1、X2、……、Xn]；
S4、采用基于自组织竞争型的神经网络算法对训练样本集进行训练，以机器学习的方式形成人工神经元拓扑结构，并根据声速剖面获取的需要，将神经元的个数设置为样本的数量，即每一个训练样本单独为一类；
S5、根据所需获取声速剖面海区的位置，获取对应的实时海表参数；...
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。