[发明专利]一种基于深度信念网络的上层海洋热结构预测方法

说明书

本发明公开了一种基于深度信念网络的上层海洋热结构预测方法，步骤如下：1)确定合适的环境参数作为热结构预测模型的输入因子和预测值；2)建立上层海洋热结构样本数据集，将样本数据分为训练数据和测试数据，并进行统一的数据预处理；3)建立深度信念网络，对样本数据进行逐层无监督预训练，初步获取模型的较优参数；4)基于反向传播算法，根据训练样本的标记对模型的参数进行微调，确定最优参数；5)将建立好的上层海洋热结构预测模型应用到测试数据，输出层即可得到预测的上层海洋特定深度处的温度值。本发明提出了基于深度信念网络的上层海洋热结构预测方法，克服了传统方法的单一拟合和过拟合问题，有效提取出海洋表层环境参数与上层海洋热结构之间的特征关系，提高了上层海洋热结构预测的准确性。

技术领域

本发明涉及海洋数据处理领域，尤其涉及一种基于深度信念网络的上层海洋热结构预测方法。

背景技术

上层海洋热结构是表征海洋热状态以及海洋与大气热交换过程的重要指标之一，是海洋环境的重要组成部分。上层海洋热结构的变化与ENSO现象、季风爆发以及台风活动紧密相关，同时它的变化还会引起海水密度变化，从而导致海平面发生变化。因此，深入研究上层海洋热结构变化并对其作出预测，能帮助人类更好的认识海洋对气候的影响，对于防灾减灾具有重要的科学意义。

然而，目前国内外现有的海洋现场观测资料在时空尺度上依旧稀疏缺乏，虽然近年来随着国际Argo计划的发展，海量的Argo资料已成为全球海洋观测资料的主要来源，但其目前时空分辨率仍然无法准确描述上层海洋热结构。而另一方面，随着卫星遥感技术的不断发展，尤其是与此有关海表面温度(SST)和海面高度异常(SSHA)资料的日益增加，为海面监测提供了大量覆盖范围广、精度和空间分辨率较高、时间连续性较强的海洋表面实时和准实时的信息。但是，卫星观测无法监测到海表面以下的信息。如何将卫星遥感监测的海面信息映射到海洋内部，从中反演出上层海洋热结构特征及其变化的信息，已成为国际海洋研究领域中急需解决的难题。

传统的研究方法有动力学方法和统计分析方法，其中动力学方法受到海洋观测条件和时空分辨率的影响，只能粗略的表征海洋热结构，往往难以获取上层海洋热结构的详细信息，而统计分析方法通过建立海面几个变量与内部热结构的线性回归关系，以达到对上层海洋热结构的预测，这种线性的统计映射法较为简单实用，但由于海表面资料与海洋热结构之间存在非线性和不确定性的复杂关系，简单的线性关系并不能达到很好的模拟和逼近效果。

发明内容

本发明的目的是为克服现有技术存在的问题，提供一种基于深度信念网络的上层海洋热结构预测方法。

基于深度信念网络的上层海洋热结构预测方法，它的步骤如下：

1)预设环境参数作为热结构预测模型的输入因子和预测值；

2)建立上层海洋热结构样本数据集，将样本数据分为训练数据和测试数据，并进行统一的数据预处理；

3)建立深度信念网络，对样本数据进行逐层无监督预训练，初步获取模型的较优参数；

4)基于反向传播算法，根据训练样本的标记对模型的参数进行调整，确定最优参数；

5)将建立好的上层海洋热结构预测模型应用到测试数据，输出层即可得到预测的上层海洋特定深度处的温度值。

上述方法中各步骤可以采用如下具体方式实现：

所述的步骤1)为：选择环境参数包括海表面温度SST、海面高度异常SSHA、海表风速SSW、上层海洋距海表面深度Depth作为模型的输入影响因子，将上层海洋该深度处的温度作为模型的输出参数。

所述的步骤2)为：

3.1)选择某一特定海域，获取该海域范围内热结构相关的数据集，包括海表面温度SST、海面高度异常SSHA、海表风速SSW以及Argo资料，建立上层海洋热结构样本数据集；