[发明专利]声速剖面重构方法和装置、设备在审
申请号: | 202211372059.4 | 申请日: | 2022-11-03 |
公开(公告)号: | CN115828733A | 公开(公告)日: | 2023-03-21 |
发明(设计)人: | 陆桦 | 申请(专利权)人: | 北京中安智能信息科技有限公司 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06F17/18 |
代理公司: | 北京市鼎立东审知识产权代理有限公司 11751 | 代理人: | 朱慧娟;刘爽 |
地址: | 100089 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 声速 剖面 方法 装置 设备 | ||
1.一种声速剖面重构方法,其特征在于,包括:
获取当前采集到的目标海域的地理位置信息、地形信息和时间信息;
将所述地理位置信息、所述地形信息和所述时间信息作为输入数据,输入至预先构建的声速剖面预测模型,由所述声速剖面预测模型根据所述输入数据进行声速剖面预测,得到相应的预测声速剖面;
其中,所述声速剖面预测模型基于非线性回归模型和自回归滑动平均模型构建得到。
2.根据权利要求1所述的方法,其特征在于,所述地理位置信息包括所述目标海域的经度和纬度,所述地形信息包括所述目标海域的高程。
3.根据权利要求1所述的方法,其特征在于,由所述声速剖面预测模型根据所述输入数据得到所述预测声速剖面时,包括:
调用所述非线性回归模型,根据所述输入数据计算得到空间均态估计值,并调用所述自回归滑动平均模型,根据所述输入数据计算时间序列波动估计值;
将所述空间均态估计值和所述时间序列波动估计值进行叠加,得到所述预测声速剖面结果。
4.根据权利要求1至3如任一项所述的方法,其特征在于,在由所述声速剖面预测模型根据所述输入数据得到所述预测声速剖面后,还包括对所述预测声速剖面进行校正的步骤。
5.根据权利要求4所述的方法,其特征在于,对所述预测声速剖面进行校正时,根据获取到的实测声速剖面进行校正。
6.根据权利要求5所述的方法,其特征在于,根据获取到的实测声速剖面对所述预测声速剖面进行校正时,包括:
确定所述实测声速剖面与所述预测声速剖面的重叠区域,并将所述预测声速剖面中重叠区域处的数据更新为所述重叠区域处的实测声速剖面;
计算所述实测声速剖面与所述预测声速剖面的非重叠区域的数据误差,并根据所述数据误差对所述非重叠区域处的所述预测声速剖面进行校正。
7.根据权利要求6所述的方法,其特征在于,根据所述数据误差对所述非重叠区域处的所述预测声速剖面进行校正时,以所述重叠区域处的所述实测声速剖面与所述预测声速剖面的平均误差作为初始校正值,按照区域深度的递增依次递减校正值。
8.一种声速剖面重构装置,其特征在于,包括信息获取模块和声速剖面预测模块;
所述信息获取模块,被配置为获取当前采集到的目标海域的地理位置信息、地形信息和数据采集时间;
所述声速剖面预测模块,被配置为将所述地理位置信息、所述地形信息和所述数据采集时间作为输入数据,输入至预先构建的声速剖面预测模型,由所述声速剖面预测模型根据所述输入数据进行声速剖面预测,得到相应的预测声速剖面;
其中,所述声速剖面预测模型基于非线性回归模型和自回归滑动平均模型构建得到。
9.根据权利要求8所述的装置,其特征在于,还包括数据校正模块;
所述数据校正模块,被配置为在由所述声速剖面预测模型根据所述输入数据得到所述预测声速剖面后,对所述预测声速剖面进行校正。
10.一种声速剖面重构设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述可执行指令时实现权利要求1至7中任意一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京中安智能信息科技有限公司,未经北京中安智能信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211372059.4/1.html,转载请声明来源钻瓜专利网。