[发明专利]一种基于元学习的小样本声速剖面反演方法

说明书

本发明提供了一种基于元学习的小样本声速剖面反演方法，属于无线电导航技术与海洋观测相结合的技术领域。本发明通过基础元学习器学习不同分布类型的声速剖面数据的公共特征，辅助任务学习器建立声场到声速分布的映射关系，使任务学习器在任务所属声速分布类型集合中只需要少量参考声速剖面样本，较少次数训练即可完成模型收敛，减小模型过拟合，提高小样本情况下声速剖面反演精度。本发明提出的方法相比于传统声速剖面反演方法，降低了参考声速剖面样本需求，小样本情况下反演精度更高，适用性更广。

技术领域

本发明属于无线电导航技术与海洋观测相结合的技术领域，具体地说，尤其涉及一种基于元学习的小样本声速剖面反演方法。

背景技术

目前对声速剖面反演方法进行了一定研究，其中：一种基于匹配场处理的声速剖面反演方法，该方法结合射线追踪理论与正交经函数分解，通过声场匹配处理技术，使其模拟的理论信号传播时间与实测值误差最小，能够较为精确的拟合实际声速剖面，但该方法匹配项搜索采用启发式算法实现，时间效率低。一种基于神经网络的声速剖面反演方法，将正交经验函数分解系数、海表温度等特征作为神经网络的输入，对海区垂直声速剖面进行反演，与基于匹配场处理的声速剖面反演方法相比，在保持同等精度量级的情况下能够有效减小声速反演估计的计算时间开销。一种联合射线理论和神经网络的声速剖面反演方法，该方法提出一种自编码特征映射神经网络结构，减小声场测量误差对于声速反演精度的影响，提高模型的鲁棒性。

总体来说，现有的声速剖面反演方法均在声速反演时利用历史参考声速剖面数据，建立声场、温度场或盐度场到声速剖面分布的映射关系，并在给定现场实测声场、温度场、盐度场数据时对区域声速剖面分布情况进行估计，可以获得目标区域较为精确的声速剖面分布估计，但是由于多数海洋区域历史参考声速剖面样本稀少，声速剖面反演模型容易陷入过拟合，泛化能力不足，降低了声速剖面反演精度。

发明内容

本发明的目的在于提供一种基于元学习的小样本声速剖面反演方法，以弥补现有技术的不足。

为达到上述目的，本发明是通过以下具体技术方案实现的：

一种基于元学习的小样本声速剖面反演方法，包括以下步骤：

S1：收集历史声速剖面数据及其采样时空信息，并对历史声速剖面数据进行聚类处理；

S2：基于所述历史声速剖面数据和设置的声速剖面反演任务执行时空信息进行声速剖面反演任务所属类型集合映射，得到声速剖面反演任务所属类型集合；

S3：根据声速剖面反演任务所在地区最大海深,截取声速剖面反演任务所属类型集合的平均声速剖面在0-米内的部分；截取子类别集合的平均声速剖面在0-米内的部分；计算两者之间的相关系数：遍历子类别集合，筛选出时的子类别集合，得到基元学习器训练声速剖面类型数据集；

S4：利用所述基元学习器训练声速剖面类型数据集对基元学习器进行训练，进行参数更新，得到基元学习器模型参数；以所述基元学习器模型参数为初始参数对各基元学习器的联合代价函数做最优化来更新全局学习器模型参数；

S5：训练任务学习器模型，参数初始化为S4得到的全局学习器模型参数，所述声速剖面反演任务所属类型集合作为训练数据，经过训练后得到收敛的任务学习器模型参数；

S6：利用S5训练好的任务学习器模型进行声速剖面反演，最终得到声速剖面。

进一步的，所述S1中，历史声速剖面数据构成集合,其中为第i个声速剖面样本，表示为，其历史声速剖面样本采样时空信息为,为时间信息，单位“天”，编码由每年1月1日开始为“1”，每日递增1个单位，12月31日为“365”，闰年2月29日与28日编码相同，为“59”，为原始经度坐标，为原始纬度坐标，单位“度”；集合中样本经过聚类后形成分布规律不同的子类别集合子类别集合中的样本，集合中样本均来自于集合，集合中平均声速剖面为=。

进一步的，所述S2具体为：