【技术实现步骤摘要】
本申请涉及海洋环境探测，特别是涉及一种基于深度神经网络的海洋声场参数预测方法、装置及设备。
技术介绍
1、声波是了解和探测海洋的主要方法，由此产生了计算海洋声学这一学科。计算海洋声学主要研究水下声音在海洋波导中传播的特点和规律，以及利用声波探索海洋的方法。海洋声学相关技术的进步不仅帮助人类更好地了解海洋结构和监测海洋气候，还极大地促进了与海洋相关的其他研究领域的发展。
2、海洋声场参数的求解是海洋声学研究的一个关键问题，而时域波方程的求解是与此相关的研究重点。长期以来，研究人员采用了一系列数值模拟方法求解时域波方程。近年来，随着人工智能的发展，机器学习和深度学习在科学计算领域得到了广泛应用。运用深度学习等ai技术解决海洋声学中的关键问题已经成为了一种性能高且颇具创新的新路径。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够对声场参数进行有效预测的基于深度神经网络的海洋声场参数预测。
2、一种基于深度神经网络的海洋声场参数预测方法，所述方法包括：>
3、获取与目本文档来自技高网...
【技术保护点】
1.一种基于深度神经网络的海洋声场参数预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的海洋声场参数预测方法，其特征在于，所述子神经网络为全连接神经网络。
3.根据权利要求2所述的海洋声场参数预测方法，其特征在于，在所述主神经网络中，将所述变换器神经网络中的编码器和解码器，替换所述卷积双向长短时记忆网络中原有的全连接编码模块和解码模块。
4.根据权利要求3所述的海洋声场参数预测方法，其特征在于，所述主神经网络包括多个依次连接的双向预测单元，各所述双向预测单元均包括编码器、双向卷积长短时模块、解码器、残差模块、拼接模块以及
【技术特征摘要】
1.一种基于深度神经网络的海洋声场参数预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的海洋声场参数预测方法，其特征在于，所述子神经网络为全连接神经网络。
3.根据权利要求2所述的海洋声场参数预测方法，其特征在于，在所述主神经网络中，将所述变换器神经网络中的编码器和解码器，替换所述卷积双向长短时记忆网络中原有的全连接编码模块和解码模块。
4.根据权利要求3所述的海洋声场参数预测方法，其特征在于，所述主神经网络包括多个依次连接的双向预测单元，各所述双向预测单元均包括编码器、双向卷积长短时模块、解码器、残差模块、拼接模块以及线性层；
5.根据权利要求4所述的海洋声场参数预测方法，其特征在于，所述残差模...
【专利技术属性】
技术研发人员：刘杰，夏睿，郭晓威，李超，张华健，吴诚堃，徐传福，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
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。