[发明专利]一种基于自组织竞争型神经网络的海洋声速剖面获取方法

权利要求书

1.一种基于自组织竞争型神经网络的海洋声速剖面获取方法，其特征是：具体包括以下步骤：

S1、对历史声速剖面进行EOF处理，并将每一个历史声速剖面的样本剖面表示为平均值加上正交经验函数向量乘以对应各阶剖面系数An的形式；

S2、对历史海表参数Xn进行处理，且选择的所述历史海表参数的量不受限制；

S3、以日为时间单位，将步骤S1中的剖面系数An、步骤S2中的历史海表参数Xn组成样本训练向量，同一日的数据组成一组训练向量[A1、A2、……、An、X1、X2、……、Xn]；

S4、采用基于自组织竞争型的神经网络算法对训练样本集进行训练，以机器学习的方式形成人工神经元拓扑结构，并根据声速剖面获取的需要，将神经元的个数设置为样本的数量，即每一个训练样本单独为一类；

S5、根据所需获取声速剖面海区的位置，获取对应的实时海表参数；

S6、根据已知的实时海表参数，将其输入至步骤S4中所述的神经元拓扑结构中，确定其对应的神经元，并通过对应的神经元，获取实时海表参数对应的EOF各阶剖面系数An；

S7、结合海区历史平均声速剖面、EOF向量以及步骤S6获取的实时海表参数对应的EOF各阶剖面系数An，将每一个样本剖面表示为平均值加上正交经验函数向量乘以对应各阶系数An的形式，即可获得实时的海洋声速剖面。

2.根据权利要求1所述的一种基于自组织竞争型神经网络的海洋声速剖面获取方法，其特征是：步骤S1中所述的历史声速剖面通过Argo浮标数据计算获得。

3.根据权利要求1所述的一种基于自组织竞争型神经网络的海洋声速剖面获取方法，其特征是：步骤S2中所述的历史海表参数包括海表高度异常、温度异常、风速异常、波浪高度、热通量异常和月份。