CN113916347A - 一种海水声速剖面延拓方法及装置 - Google Patents

一种海水声速剖面延拓方法及装置 Download PDF

Info

Publication number
CN113916347A
CN113916347A CN202111306312.1A CN202111306312A CN113916347A CN 113916347 A CN113916347 A CN 113916347A CN 202111306312 A CN202111306312 A CN 202111306312A CN 113916347 A CN113916347 A CN 113916347A
Authority
CN
China
Prior art keywords
sound velocity
velocity profile
seawater
profile data
historical
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111306312.1A
Other languages
English (en)
Inventor
蔡魁杰
郑顺华
孙大军
郑翠娥
于淼
王煜卿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202111306312.1A priority Critical patent/CN113916347A/zh
Publication of CN113916347A publication Critical patent/CN113916347A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H5/00—Measuring propagation velocity of ultrasonic, sonic or infrasonic waves, e.g. of pressure waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

一种海水声速剖面延拓方法及装置，解决了如何利用相对较少历史海水声速剖面测量数据对海水声速剖面延拓的问题，属于海洋环境参数估计领域。本发明包括：获取历史海水声速剖面数据集和待延拓海水声速剖面数据及需要延拓到的海水深度A，历史海水声速剖面数据集包括多次测量的完整的历史海水声速剖面数据；在历史海水声速剖面数据集中筛选出海水深度大于A的历史海水声速剖面数据；选取插值间隔，按照选取的插值间隔对历史海水声速剖面数据和待延拓海水声速剖面数据进行线性插值；用经过插值的待延拓海水声速剖面数据和历史海水声速剖面数据构造待补全矩阵，应用低秩矩阵完备化算法对待补全矩阵进行补全，完成海水声速剖面延拓。

Description

一种海水声速剖面延拓方法及装置
技术领域
本发明涉及一种基于低秩矩阵完备化的海水声速剖面延拓方法，属于海洋环境参数估计领域。
背景技术
海水声速剖面延拓就是根据实际测量到的海水声速垂直分布的较浅部分的信息通过各种方式给出海水声速垂直分布的较深部分的估计，海水中的声速剖面即海水声速垂直分布是影响水下声场特性的主要因素之一，以多波束测深系统为代表的各种声呐设备的正常工作都需要知道较为精确的海水声速垂直分布。目前获取海水中的声速的垂直分布的主要方法有：通过声速剖面仪或者CTD(Conductivity Temperature Depth，盐温深)等测量设备进行停航测量，以及通过投弃式海洋测量仪器如XCTD(电导率、温度、深度、剖面)等进行测量。然而声速剖面仪和CTD需要停航测量，且测量的声速剖面越深测量成本越高；而XCTD等投弃式海洋测量仪器的工作深度有限，只能测得有限深度的声速数据。因此准确的海水声速剖面延拓可以有效节约海水声速垂直分布测量成本，提高作业效率。
现有的声速剖面延拓办法主要有：
方法一：对测量的较浅数据进行多项式拟和，然后用拟和得到的多项式作为海水声速垂直分布的近似。
经过分析这种方法相当粗糙，即使在有实测数据的深度范围内估计结果都存在较大偏差，不符合实际规律。
还有一类利用WOA2018数据产品的进行全深度声速剖面的方法。这类方法有一些共同的缺点：WOA2018数据产品在制作依赖的原始测量数据，如前面所描述的，原始数据测量本身费事费力，通过直接测量得到所有地区所有深度数据不现实，且时空分布十分不均匀，即可能存在部分经纬度或部分深度没有原始数据，而WOA2018数据产品中这些位置的数据是通过插值等手段的到的，因此数据精度较低。
方法二：(1)获取目标海域的海区历史平均数据作为第一数据以及仪器设备采集的历史数据作为第二数据；
(2)对所述第一数据以及第二数据进行EOF分析得到EOF投影系数集；
(3)将所述第二数据与所述EOF投影系数集作为训练样本通过无监督的机器学习算法进行训练得到代表不同参考分类信息的神经元；
(4)获取目标海域的海区现场实测数据，计算所述海区现场实测数据与所述神经元之间的关联度，将关联度最高的神经元作为参考神经元；
(5)根据所述参考神经元以及所述海区历史平均数据重构声速剖面，得到全海深的声速剖面数据，完成目标海域的声速剖面补全。
参考公开号为CN113486574A的发明专利：基于历史数据以及机器学习的声速剖面补全方法及装置。但是经过分析可以发现方法三还存在以下缺点：
1.忽略了WOA18数据和Argo浮标数据的同源性，即WOA18数据产品在制作时所采用的原始数据包含了Argo浮标的测量数据。
2.通过机器学习方法在使用时要先经过训练，而训练本身需要有大量高质量的数据作为输入，这种数据难以获取。
发明内容
针对如何利用相对较少历史海水声速剖面测量数据对海水声速剖面延拓的问题，本发明提供一种基于低秩矩阵完备化的海水声速剖面延拓方法。
本发明的一种海水声速剖面延拓方法，所述方法包括：
S1、获取历史海水声速剖面数据集和待延拓海水声速剖面数据及需要延拓到的海水深度A，待延拓海水声速剖面数据为浅部海水声速剖面数据，所述历史海水声速剖面数据集包括多次测量的完整的历史海水声速剖面数据；
S2、在历史海水声速剖面数据集中筛选出海水深度大于A的历史海水声速剖面数据；
S3、选取插值间隔，按照选取的插值间隔对历史海水声速剖面数据和待延拓海水声速剖面数据进行线性插值；
S4、用经过插值的待延拓海水声速剖面数据和历史海水声速剖面数据构造待补全矩阵，应用低秩矩阵完备化算法对待补全矩阵进行补全，完成海水声速剖面延拓。
优选的是，S2中，筛选出的历史海水声速剖面数据采样间隔与待延拓海水声速剖面数据的采样间隔相近，提高海水声速剖面延拓精度。
优选的是，S3中选取历史海水声速剖面数据和待延拓海水声速剖面数据中采样间隔较大的作为插值间隔。
优选的是，历史海水声速剖面数据及待延拓海水声速剖面数据为Argo浮标测量数据或盐温深测量设备的测量数据。
本发明还提供一种海水声速剖面延拓装置，包括:
输入模块，用于输入历史海水声速剖面数据集和待延拓海水声速剖面数据及需要延拓到的海水深度A，待延拓海水声速剖面数据为浅部海水声速剖面数据，所述历史海水声速剖面数据集包括多次测量的完整的历史海水声速剖面数据；
筛选模块，与输入模块连接，用于在历史海水声速剖面数据集中筛选出海水深度大于A的历史海水声速剖面数据；
插值模块，与筛选模块连接，用于选取插值间隔，按照选取的插值间隔对待延拓海水声速剖面数据和筛选出的历史海水声速剖面数据进行线性插值；
补全模块，与插值模块连接，用于利用经过插值的历史海水声速剖面数据和待延拓海水声速剖面数据构造待补全矩阵，应用低秩矩阵完备化算法对待补全矩阵进行补全，完成海水声速剖面延拓。
本发明的有益效果，本发明可以通过插值获取相对较少历史海水声速剖面测量数据和较浅的水声速剖面测量数据在同一位置处的数据，然后去构造待补全矩阵，利用低秩矩阵完备化算法进行补全，实现残缺声速剖面的较高精度的延拓。
附图说明
图1为本申请实施例中海水声速剖面延拓方法的流程图；
图2为本申请实施例中获取的历史海水声速剖面数据和待补全海水声速剖面数据；
图3为本申请实施例中声速剖面均方误差随已知声速剖面深度变化情况；
图4为实施例中分别选取不同声速剖面作为对照组；按照实施例提供的声速剖面延拓方法对750米到1800米之间声速剖面进行延拓；将延拓结果相与对照组实际测量值作差，得到的延拓的误差的均值和方差。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
本实施方式应用于对实际测量到的海水声速垂直分布的较浅部分的海水声速剖面数据延拓出海水声速垂直分布的较深部分的海水声速剖面数据；具体是基于历史海水声速剖面数据集，包括多次测量的完整的历史海水声速剖面数据，历史海水声速剖面数据集中的数据量不足以支持机器学习方法中对神经网络的训练。本实施方式的海水声速剖面延拓方法，包括：
步骤一、获取历史海水声速剖面数据集和待延拓海水声速剖面数据及需要延拓到的海水深度A，待延拓海水声速剖面数据为浅部海水声速剖面数据，所述历史海水声速剖面数据集包括多次测量的完整的历史海水声速剖面数据；
步骤一中的历史海水声速剖面数据可以有不同的来源，如Argo浮标测量数据、CTD(Conductivity,Temperature,Depth)测量数据等；需要延拓的数据可以是上述数据中较浅的海水声速剖面数据，或者是XCTD(投弃式海洋仪器)等只能在较浅深度工作的装置的测量数据；需要延拓到的海水深度根据实际应用需求进行选取。
步骤二、在历史海水声速剖面数据集中筛选出海水深度大于A的历史海水声速剖面数据；例如：历史海水声速剖面数据集包括20次测量的完整的历史海水声速剖面数据，筛选出10次测量的历史海水声速剖面数据；
步骤二中筛选后的历史海水声速剖面数据最大采样深度均大于需要延拓到的海水深度；在实际应用中筛选出的历史海水声速剖面数据采样间隔与待延拓海水声速剖面数据的采样间隔相近，提高海水声速剖面延拓精度。
步骤三、选取插值间隔，按照选取的插值间隔对待延拓海水声速剖面数据和筛选出的历史海水声速剖面数据进行线性插值；
由于海水声速剖面数据的采样深度不是固定的，需要根据历史海水声速剖面数据和待补全海水声速剖面数据的采样间隔选取合适的插值间隔，优选实施例中，选取历史海水声速剖面数据和待延拓海水声速剖面数据中采样间隔较大的作为插值间隔。基于低秩矩阵完备化方法进行数据延拓，未测量深度的采样点由已知历史声速剖面插值点位决定。即如果历史数据采样间隔足够小可以提供足够的精度，则按待延拓数据的采样间隔选取，完成精确延拓；如果历史数据的采样间隔普遍较大，即历史数据不能提供足够的精度，则按照历史数据的采样间隔选取，历史数据尽可能的提供有效信息，完成延拓。
筛选出10次测量的历史海水声速剖面数据可连接成10条曲线，待延拓海水声速剖面数据可连接成1条曲线，按照选取的插值间隔对待延拓海水声速剖面数据和筛选出的历史海水声速剖面数据进行线性插值采用相同的插值间隔进行插值，找出在每个插值间隔位置处的11条曲线上对应的海水声速剖面数据，完成插值后，除了待延拓海水声速剖面数据需延拓部分，其他均在插值间隔处有对应海水声速剖面数据。
步骤四、用经过插值的待延拓海水声速剖面数据和历史海水声速剖面数据构造待补全矩阵，应用低秩矩阵完备化算法对待补全矩阵进行补全，完成海水声速剖面延拓。
本实施方式中的低秩矩阵完备化算法采用的模型为：
Figure BDA0003340256260000051
X为待重构声速剖面矩阵，其中rank表示矩阵的秩，Ω为已知点集合，M为已知声速剖面数据矩阵，对公式一进行凸松弛，得到：
Figure BDA0003340256260000052
其中
Figure BDA0003340256260000053
为矩阵X的核范数，σk(X)为矩阵X的第k个奇异值。
对公式二采用矩阵完备化算法求解，获得重构声速剖面矩阵X。
本实施方式可以通过插值获取相对较少历史海水声速剖面测量数据和较浅的水声速剖面测量数据在同一位置处的数据，然后去构造待补全矩阵，利用低秩矩阵完备化算法进行补全，实现残缺声速剖面的较高精度的延拓。
具体实施例：获取俄刻阿洛斯探险者(Okeanos Explorer)科考船在编号为EX1708的实验中通过海鸟公司的CTD测量装置(Sea-Bird SBE 9)实际测量的海水声速剖面数据；具体的，所获取的海水声速剖面数据如图2所示。
为了验证本实施例提供的海水声速剖面延拓方法的有效性，选取一条海水声速剖面数据作为对照组，用剩余的海水声速剖面数据作为历史数据。
将对照组750米以浅数据作为待延拓剖面，将对照组750米至1800米数据用于验证延拓效果
对历史数据和对照组750米以浅数据应用本实施例所提供的海水声速剖面延拓方法。
将步骤补全得到的对照组750米至1800米数据和实测的对照组750米至1800米数据对比进行误差分析。
如图3所示，本实施例还分析了本实施例提供的海水声速剖面延拓方法的延拓均方误差MSE随对照组设为已知数据的深度变化情况；其中均方误差MSE是指对照组延拓结果与实际测量结果之差的平方和除以数据个数，具体的：
Figure BDA0003340256260000061
其中ext是延拓结果，m是实测结果，在本实施例中，获取750米左右的实测数据就可以获得足够高精度的海水声速剖面延拓效果。
如图4所示，本实施例还分别选取不同声速剖面作为对照组；按照本实施例提供的声速剖面延拓方法在750米到1800米之间对所有对照组声速剖面进行延拓；分析所有对照组延拓结果相对于对照组实际测量值的误差。可以看出误差平均值和方差都比较小，延拓精度较高。
本实施方式还提供一种海水声速剖面延拓装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，：所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明还提供一种存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述方法。
本发明还提供一种海水声速剖面延拓装置，包括:
输入模块，用于输入历史海水声速剖面数据集和待延拓海水声速剖面数据及需要延拓到的海水深度A，待延拓海水声速剖面数据为浅部海水声速剖面数据，所述历史海水声速剖面数据集包括多次测量的完整的历史海水声速剖面数据；
输入模块输入的历史海水声速剖面数据及待延拓海水声速剖面数据为Argo浮标测量数据或盐温深测量设备的测量数据；
筛选模块，与输入模块连接，用于在历史海水声速剖面数据集中筛选出海水深度大于A的历史海水声速剖面数据；筛选模块中，筛选出的历史海水声速剖面数据采样间隔与待延拓海水声速剖面数据的采样间隔相近，提高海水声速剖面延拓精度；
插值模块，与筛选模块连接，用于选取插值间隔，按照选取的插值间隔对待延拓海水声速剖面数据和筛选出的历史海水声速剖面数据进行线性插值；
其中，插值模块选取历史海水声速剖面数据和待延拓海水声速剖面数据中较大的采样间隔作为插值间隔。
补全模块，与插值模块连接，用于利用经过插值的历史海水声速剖面数据和待延拓海水声速剖面数据构造待补全矩阵，应用低秩矩阵完备化算法对待补全矩阵进行补全，完成海水声速剖面延拓。
虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

Claims (10)

1.一种海水声速剖面延拓方法，其特征在于，所述方法包括：
S1、获取历史海水声速剖面数据集和待延拓海水声速剖面数据及需要延拓到的海水深度A，待延拓海水声速剖面数据为浅部海水声速剖面数据，所述历史海水声速剖面数据集包括多次测量的完整的历史海水声速剖面数据；
S2、在历史海水声速剖面数据集中筛选出海水深度大于A的历史海水声速剖面数据；
S3、选取插值间隔，按照选取的插值间隔对待延拓海水声速剖面数据和筛选出的历史海水声速剖面数据进行线性插值；
S4、用经过插值的待延拓海水声速剖面数据和历史海水声速剖面数据构造待补全矩阵，应用低秩矩阵完备化算法对待补全矩阵进行补全，完成海水声速剖面延拓。
2.根据权利要求1所述的海水声速剖面延拓方法，其特征在于，S2中，筛选出的历史海水声速剖面数据采样间隔与待延拓海水声速剖面数据的采样间隔相近，提高海水声速剖面延拓精度。
3.根据权利要求1所述的海水声速剖面延拓方法，其特征在于，S3中选取历史海水声速剖面数据和待延拓海水声速剖面数据中采样间隔较大的作为插值间隔。
4.根据权利要求1所述的海水声速剖面延拓方法，其特征在于，历史海水声速剖面数据及待延拓海水声速剖面数据为Argo浮标测量数据或盐温深测量设备的测量数据。
5.一种海水声速剖面延拓装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1-4任一所述方法的步骤。
6.一种存储介质，所述存储介质中存储有至少一条指令，其特征在于，所述至少一条指令由处理器加载并执行以实现如权利要求1-4任一所述的海水声速剖面延拓方法。
7.一种海水声速剖面延拓装置，其特征在于，所述装置包括:
输入模块，用于输入历史海水声速剖面数据集和待延拓海水声速剖面数据及需要延拓到的海水深度A，待延拓海水声速剖面数据为浅部海水声速剖面数据，所述历史海水声速剖面数据集包括多次测量的完整的历史海水声速剖面数据；
筛选模块，与输入模块连接，用于在历史海水声速剖面数据集中筛选出海水深度大于A的历史海水声速剖面数据；
插值模块，与筛选模块连接，用于选取插值间隔，按照选取的插值间隔对待延拓海水声速剖面数据和筛选出的历史海水声速剖面数据进行线性插值；
补全模块，与插值模块连接，用于利用经过插值的历史海水声速剖面数据和待延拓海水声速剖面数据构造待补全矩阵，应用低秩矩阵完备化算法对待补全矩阵进行补全，完成海水声速剖面延拓。
8.根据权利要求7所述的海水声速剖面延拓装置，其特征在于，所述筛选模块中，筛选出的历史海水声速剖面数据采样间隔与待延拓海水声速剖面数据的采样间隔相近，提高海水声速剖面延拓精度。
9.根据权利要求7所述的海水声速剖面延拓装置，其特征在于，所述插值模块选取历史海水声速剖面数据和待延拓海水声速剖面数据中较大的采样间隔作为插值间隔。
10.根据权利要求7所述的海水声速剖面延拓装置，其特征在于，输入模块输入的历史海水声速剖面数据及待延拓海水声速剖面数据为Argo浮标测量数据或盐温深测量设备的测量数据。
CN202111306312.1A 2021-11-05 2021-11-05 一种海水声速剖面延拓方法及装置 Pending CN113916347A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111306312.1A CN113916347A (zh) 2021-11-05 2021-11-05 一种海水声速剖面延拓方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111306312.1A CN113916347A (zh) 2021-11-05 2021-11-05 一种海水声速剖面延拓方法及装置

Publications (1)

Publication Number Publication Date
CN113916347A true CN113916347A (zh) 2022-01-11

Family

ID=79245497

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111306312.1A Pending CN113916347A (zh) 2021-11-05 2021-11-05 一种海水声速剖面延拓方法及装置

Country Status (1)

Country Link
CN (1) CN113916347A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115307714A (zh) * 2022-10-12 2022-11-08 中国海洋大学 基于跨时空声速剖面聚类的声速分布快速估计方法
CN116070092A (zh) * 2023-03-06 2023-05-05 山东科技大学 一种等梯度声速剖面优化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191087A (zh) * 2021-02-02 2021-07-30 中国人民解放军海军大连舰艇学院 联合历史剖面声速与实测表层声速的航渡式测深数据剖面声速改正方法
CN113486574A (zh) * 2021-06-21 2021-10-08 广东海洋大学 基于历史数据以及机器学习的声速剖面补全方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191087A (zh) * 2021-02-02 2021-07-30 中国人民解放军海军大连舰艇学院 联合历史剖面声速与实测表层声速的航渡式测深数据剖面声速改正方法
CN113486574A (zh) * 2021-06-21 2021-10-08 广东海洋大学 基于历史数据以及机器学习的声速剖面补全方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何格: "基于深海声速外插值算法的浮标声呐性能预报", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 5, pages 121 - 123 *
李玉阳等: "水声环境快速评估建模与仿真", 系统仿真学报, vol. 24, no. 06, pages 1156 - 1160 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115307714A (zh) * 2022-10-12 2022-11-08 中国海洋大学 基于跨时空声速剖面聚类的声速分布快速估计方法
CN115307714B (zh) * 2022-10-12 2023-02-03 中国海洋大学 基于跨时空声速剖面聚类的声速分布快速估计方法
CN116070092A (zh) * 2023-03-06 2023-05-05 山东科技大学 一种等梯度声速剖面优化方法

Similar Documents

Publication Publication Date Title
CN110146895B (zh) 基于倒置式多波束回声仪的声速剖面反演方法
CN113486574B (zh) 基于历史数据以及机器学习的声速剖面补全方法及装置
Fox et al. Quantitative methods for analyzing the roughness of the seafloor
CN113916347A (zh) 一种海水声速剖面延拓方法及装置
US6721694B1 (en) Method and system for representing the depths of the floors of the oceans
CN103487811B (zh) 不确定海洋环境中的模态子空间重构稳健目标定位方法
CN113218493B (zh) 一种基于经验正交函数法的声速剖面反演方法
CN112598113A (zh) 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
CN114782745B (zh) 一种基于机器学习的海洋声速剖面分类方法及装置
CN110321518B (zh) 一种判定水文时间序列趋势类型的方法
CN115859116A (zh) 一种基于径向基函数回归插值法的海洋环境场重建方法
Yarger et al. A functional-data approach to the Argo data
CN110377869B (zh) 一种海洋浮标污染源寻找方法
CN108038082A (zh) 基于TwIST的二维核磁共振谱的反演方法和装置
CN116861640A (zh) 基于时空插值的高分辨温盐数据生成方法及装置
CN116299702A (zh) 一种基于cnn的频率域低频拓展多尺度全波形反演方法
CN111142134A (zh) 一种坐标时间序列处理方法及装置
CN113221651B (zh) 利用声传播数据和无监督机器学习的海底沉积分类方法
Neilsen An iterative implementation of rotated coordinates for inverse problems
Nolan Parameter estimation and data analysis for stable distributions
CN114818232B (zh) 一种海水空间温度剖面的重构方法及系统
CN113075645B (zh) 一种基于主成分分析-密度聚类的畸变阵形线谱增强方法
CN105841777B (zh) 一种基于自适应选择节点的多波束测深估计方法及系统
Harrison et al. Robust matched-field localization in uncertain ocean environments
Teh et al. Integrating bathymetric and topographic data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination