一种海底地形模型生成方法及系统技术方案

本发明专利技术公开了一种海底地形模型生成方法及系统，本发明专利技术采用改进的CNN网络生成中波段海底地形模型，没有忽略非线性项和高次项的影响，并且降低了船测中波段数据分布不均匀和稀疏产生的影响，大幅提高了海底地形模型的精确度与准确度，是一种操作简便、具有普遍适应性的海底地形生成方法。的海底地形生成方法。的海底地形生成方法。

【技术实现步骤摘要】
一种海底地形模型生成方法及系统


[0001]本专利技术涉及一种海底地形模型生成方法及系统，属于海洋应用研究领域。

技术介绍

[0002]目前采用比例因子方法(SAS法)进行中波段海底地形反演，但是由于SAS法忽略了非线性项和高次项对数据精度的影响，导致反演的中波段海底地形精度不高，从而进一步导致整个海底地形模型(模型中主要包括长波段海底地形模型和中波段海底地形模型，低波段内船测海深和重力异常相关性低，因此忽略不计)精度不高。

技术实现思路

[0003]本专利技术提供了一种海底地形模型生成方法及系统，解决了
技术介绍
中披露的问题。
[0004]为了解决上述技术问题，本专利技术所采用的技术方案是：
[0005]一种海底地形模型生成方法，包括：
[0006]根据船测海深数据，获取长波段海底地形模型；
[0007]获取中波段的重力异常数据，将中波段的重力异常数据输入预先训练的CNN网络，获得中波段海底地形模型；其中，CNN网络采用带动量的随机梯度下降法进行训练，在带动量的随机梯度下降法中采用L2正则化因子进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种海底地形模型生成方法，其特征在于，包括：根据船测海深数据，获取长波段海底地形模型；获取中波段的重力异常数据，将中波段的重力异常数据输入预先训练的CNN网络，获得中波段海底地形模型；其中，CNN网络采用带动量的随机梯度下降法进行训练，在带动量的随机梯度下降法中采用L2正则化因子进行权重值衰减；CNN网络采用ELU函数作为激活函数；将长波段海底地形模型和中波段海底地形模型进行叠加，获得海底地形模型。2.根据权利要求1所述的一种海底地形模型生成方法，其特征在于，根据船测海深数据，获取长波段海底地形模型，包括：对船测海深数据进行网格化处理，生成网格海深模型；将网格海深模型进行空间域到频率域的转化，对转化后的网格海深模型进行高通滤波，获得长波段海底地形模型。3.根据权利要求1所述的一种海底地形模型生成方法，其特征在于，训练CNN网络的样本包括中波段重力异常数据和中波段船测海深数据，其中，中波段重力异常数据通过带通滤波器从重力异常数据模型中提取，中波段船测海深数据从船测残余海深数据中提取，船测残余海深数据为船测海深数据减去长波段海深数据。4.根据权利要求1所述的一种海底地形模型生成方法，其特征在于，带动量的随机梯度下降法的目标函数为：其中，α为权衡范数惩罚项，Ω为标准目标函数，θ为梯度下降起始点，X为输入变量，y为输入变量对应目标值，J为关于θ的函数，为目标函数。5.根据权利要求1所述的一种海底地形模型生成方法，其特征在于，数据输入在CNN网络之前，对数据进行min
‑
max标准化处理。6.一种海底地形模型...

【专利技术属性】
技术研发人员：刘鹏鹏，金双根，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：