[发明专利]基于剖面观测数据的海洋内部温度场重建方法

权利要求书

1.一种基于剖面观测数据的海洋内部温度场重建方法，其特征在于，包括以下步骤：

步骤S1：获取历史海洋观测的剖面数据，并对剖面数据进行格网化预处理，得到格网化剖面观测数据；

步骤S2：通过预设比例随机选取格网化剖面观测数据作为交叉验证集，其余作为输入数据集；

步骤S3：根据输入数据集生成训练集和测试集；

步骤S4：基于卷积自编码器神经网络对训练集进行迭代训练，构建卷积自编码器模型；

步骤S5：将测试集输入到卷积自编码器模型中，重建长时间序列的海洋内部温度数据；

所述步骤S1具体为：

获取海洋EN4 profile、Argo浮标数据、IAP时间序列格网温度和海表温度遥感数据,并进行空间范围统一处理；

统计IAP时间序列格网温度不同深度不同时相的极值，对EN4 profile进行极值检查；

将海表温度遥感数据、IAP时间序列格网温度、EN4 profile和Argo浮标数据的时间分辨率统一为每月，利用最邻近插值将海表温度遥感数据空间分辨率统一为1°×1°；

剖面数据格网化处理中，0m、5m、和10m的格网深度范围拓展2m，20m和30m格网深度范围拓展5m，50~1000m的格网深度拓展10m；

将检索到的格网中观测值取平均值代表格网温度值；

所述步骤S2具体为：

将每一时相空间稀疏分布的格网化剖面观测数据，构成三维时间序列的格网化剖面观测数据；

通过matlab中find算法提取出时间序列格网化剖面观测数据中非空值的格网索引，再以randperm算法根据 预设比例从上述非空值的格网索引中随机选取，保留为交叉验证集；

交叉验证集保存以后，将其对应的时间序列格网化剖面观测数据中的值设为空值，生成输入数据集；

所述步骤S3具体为：将基于输入数据集生成的归一化的温度随机掩膜设为空值，并随机加入5%高斯噪声，生成训练数据集，基于完整的输入数据集生成归一化的输入变量构成测试集；

所述步骤S4具体为：

将训练集分为多个mini-batch，再输入到卷积自编码器神经网络中进行训练；

参数调优防止过拟合或欠拟合，通过调节L2正则化、丢弃正则化和学习率进行模型参数优化。

2.据权利要求1所述的基于剖面观测数据的海洋内部温度场重建方法，其特征在于，所述模型训练和测试过程中，根据输入的位置、时间、协方差，通过二维卷积学习时空特征。