[发明专利]基于经验正交函数分解的高分辨率声速剖面数据压缩方法

权利要求书

1.一种基于经验正交函数分解的高分辨率声速剖面数据压缩方法，其特征在于，包括如下步骤：

步骤1，以高分辨率海洋再分析产品提供海域的经度、纬度以及海水的温度、盐度、水深数据，采用声速公式转换获得海域的海水声速剖面数据；

步骤2，参照典型声速剖面的垂向分层结构，将某一时空维度下的高分辨率、长时间序列声速剖面数据延拓至海底沉积层；

步骤3，在统一的深度分层框架下，按照空间经度纬度网格、数据采样时刻组织声速剖面数据，求解声速剖面数据矩阵的协方差矩阵及其特征值、特征向量；具体步骤如下：

步骤3.1，以统一的深度分层海水声速剖面为对象，构建某一时空维度下的声速剖面数据矩阵；所述的声速剖面数据矩阵的行数为声速剖面数据层数K，列数为经度纬度网格空间位置数I×数据采样时刻数J；某一时空维度下深度分层的声速平均值向量确定为M；

步骤3.2，对声速剖面数据矩阵进行距平化后作协方差处理，获得对应的协方差矩阵Y_K×K；所述的声速剖面数据矩阵进行距平化后的矩阵为X_K×IJ；所述的协方差矩阵Y_K×K的行数与列数均为K；所述的协方差矩阵Y_K×K的计算表达式如下：

步骤3.3，求解协方差矩阵Y_K×K的特征值和特征向量，所述的特征值共计K个、特征向量为K个；特征值与特征向量的计算表达式如下：

Y_K×K×V_K×K＝V_K×K×E_K×K

式中：V_K×K为K个特征向量组成的方阵；E_K×K为K个特征值(λ₁,λ₂,λ₃,…,λ_K)组成的对角阵，具体表示如下：

步骤4，以主模态的特征向量作为声速剖面经验正交函数分解的基函数，压缩表示某一时空维度下的高分辨率、长时间序列声速剖面信息；具体步骤如下：

步骤4.1，对特征值按照由大到小的顺序进行排列，并将对应的特征向量按列排序组成模态矩阵F；所述的特征值按照由大到小的顺序排列为λ₁λ₂λ₃…λ_K；所述的模态矩阵F的行数与列数均为K；

步骤4.2，求解K个模态对应的累积方差贡献率；其中，第K个模态对应的累积方差贡献率的计算表达式如下：

步骤4.3，选取累积方差贡献率大于95％的模态为高分辨率、长时间序列声速剖面经验正交函数分解的主模态；所述的声速剖面经验正交函数分解的主模态为N个；所述的主模态个数N远小于模态总个数K；

步骤4.4，从模态矩阵F中抽取N个主模态对应的特征向量作为声速剖面经验正交函数分解的基函数组成压缩模态矩阵按列将声速平均值向量M扩展为与声速剖面数据矩阵相同的维度，组成声速平均值矩阵所述的压缩模态矩阵的行数为K、列数为N，声速平均值矩阵的行数为K、列数为I×J；

步骤4.5，转置后的压缩模态矩阵与声速剖面数据矩阵距平化后的矩阵的乘积确定为数据压缩矩阵Q_N×IJ；以压缩模态矩阵数据压缩矩阵Q_N×IJ、声速平均值矩阵为基础，重构某一时空维度下的声速剖面信息实现高分辨率、长时间序列声速剖面数据的压缩表示；所述的重构的声速剖面信息计算表达式如下：