一种基于深度学习的海洋亚中尺度过程识别方法技术

本发明专利技术提供一种基于深度学习的海洋亚中尺度过程识别方法，包括S1、采集海洋涡旋及锋面的数据，并将采集到的数据分为两部分，分别为小样本集和预测集；S2、将小样本集进行预处理；S3、基于U‑Net架构和VGG网络模型，建立SM‑Net网络模型，所述SM‑Net网络模型通过完成预处理的小样本集作为数据样本，进行模型训练；S4、通过完成训练的SM‑Net网络模型对预测集进行分类，得到分类结果；S5、基于深度优先搜索算法，对分类结果进行特征提取识别，得到海洋亚中尺度冷涡、暖涡和锋面的时空分布。本发明专利技术通过建立SM‑Net网络模型对预测集进行分类，并最终得到海洋亚中尺度冷涡、暖涡和锋面的时空分布，解决现有技术中不能识别尺度比中尺度涡旋和锋面更小的亚中尺度动力过程的问题。

【技术实现步骤摘要】

本专利技术涉及海洋动力过程识别领域，尤其涉及一种基于深度学习的海洋亚中尺度过程识别方法。

技术介绍

1、海洋中存在多种尺度的动力过程，过往的海洋动力过程识别算法大多针对中尺度涡旋和锋面。海洋卫星遥感技术和计算机技术的飞速发展，为海洋科学研究提供了大量高分辨率观测资料和数值产品，为学者们研究尺度更小的亚中尺度过程提供了契机，而相关研究的开展亟需一种能够有效识别亚中尺度过程的方法作为支撑。然而，由于亚中尺度过程（包括亚中尺度涡旋和亚中尺度锋面）的动力和形态特征与中尺度过程存在显著差异，传统算法并不适用于识别亚中尺度动力过程，而深度学习方法的实现路径也需要针对性重塑优化才能适用于识别亚中尺度动力过程。

技术实现思路

1、鉴于此，本专利技术的目的在于提供一种基于深度学习的海洋亚中尺度过程识别方法，通过建立sm-net网络模型对预测集进行分类，并最终得到海洋亚中尺度冷涡、暖涡和锋面的时空分布，解决现有技术中不能识别尺度比中尺度涡旋和锋面更小的亚中尺度动力过程的问题。

2、为实现上述专利技术目的，本专利技术提本文档来自技高网...

【技术保护点】

1.一种基于深度学习的海洋亚中尺度过程识别方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的海洋亚中尺度过程识别方法，其特征在于，步骤S1中采集到的涡旋和锋面数据为高分辨率速度场数据，包括U和V，其中，U代表海洋中流速的纬向速度，V代表海洋中流速的经向速度。

3.根据权利要求2中所述的一种基于深度学习的海洋亚中尺度过程识别方法，其特征在于，步骤S2的具体步骤包括：

4.根据权利要求3所述的一种基于深度学习的海洋亚中尺度过程识别方法，其特征在于，步骤S22中计算罗斯贝数的具体算式为：

5.根据权利要求4所述的...

【技术特征摘要】

1.一种基于深度学习的海洋亚中尺度过程识别方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的海洋亚中尺度过程识别方法，其特征在于，步骤s1中采集到的涡旋和锋面数据为高分辨率速度场数据，包括u和v，其中，u代表海洋中流速的纬向速度，v代表海洋中流速的经向速度。

3.根据权利要求2中所述的一种基于深度学习的海洋亚中尺度过程识别方法，其特征在于，步骤s2的具体步骤包括：

4.根据权利要求3所述的一种基于深度学习的海洋亚中尺度过程识别方法，其特征在于，步骤s22中计算罗斯贝数的具体算式为：

5.根据权利要求4所述的一种基于深度学习的海洋亚中尺度过程识别方法，其特征在于，步骤s23包括以下具体步骤：<...

【专利技术属性】
技术研发人员：金宇涛，
申请(专利权)人：中国海洋大学三亚海洋研究院，
类型：发明
国别省市：