基于BP神经网络的涡核水下最大温度异常反演方法技术

本发明专利技术公开了一种基于BP神经网络的涡核水下最大温度异常反演方法，属于海洋观测技术领域。本发明专利技术将包括半径、动能、振幅、Argo浮标与涡旋中心的归一化距离（nd）以及Argo浮标的地理坐标在内的涡旋表面参数作为EBPN的输入，将位于涡旋中Argo温度异常剖面上的极值点作为EBPN的输出，该温度异常即为涡旋核心内垂直方向上的最大温度异常。本发明专利技术基于BP神经网络，深入挖掘涡旋表面参数与涡核水下最大温度异常值之间的关系，并利用真实数据对反演结果进行精度验证，首次揭示了全球范围内具有反演潜力的地域分布特征。潜力的地域分布特征。潜力的地域分布特征。

【技术实现步骤摘要】
基于BP神经网络的涡核水下最大温度异常反演方法


[0001]本专利技术属于海洋观测
，具体涉及一种基于BP神经网络的涡核水下最大温度异常反演方法。

技术介绍

[0002]海洋是一个不断运动的巨大水体，存在多种尺度的运动。大规模、相对稳定的海水流动称为海流，在10~100 km量级水体旋转的流动现象称为中尺度涡旋（mesoscale eddy）。中尺度涡旋蕴含着大量的海洋动能，在大洋中分布广泛，是输送、混合海洋中能量及物质的纽带，在维持全球海洋的热量平衡、输送洋流水团等各种物理过程中发挥着重要作用。在中尺度涡旋的生命周期内，许多重要的海洋过程和特征都发生在海表以下。涡旋表层以下的水团能够吸收海洋表层热量，在其内部进行热量的转移和缓冲，发生在涡旋内的这些水下温度变化又会对海面高度、海面温度等产生影响，进行影响海面气候变化。在涡旋内，涡核作为涡旋内温度和盐分变化最大的水团，其最大温度异常值的获取对于重建水下涡流的三维热结构，这对于研究涡流的形成机制和分析内部水团的物质和热量传输具有重要意义。
[0003]国内外各类卫星传感器提供了多种有用的海洋表面观测数据。基于卫星高度计构建的海面高度场(SSH)，可以对全球涡旋进行检测。随着自动涡旋识别技术的不断进步，表面几何和动态特征（涡流半径、涡流振幅、涡流动能等）均可以被获取。此外，通过系泊装置、滑翔机或者Argo浮标也可以实现对几个单独的涡旋的垂向核心进行研究。
[0004]到目前为止，对涡旋热结构的研究大都基于卫星高度计与Argo浮标相结合，对特定区域内的涡旋水下温度和盐度进行观测和统计，研究面较窄，有较大的限制。

技术实现思路

[0005]本专利技术的目的是提供一种基于BP神经网络的涡核水下最大温度异常反演方法，根据涡旋本身的表面参数来对其涡核水下的最大温度异常作出预测分析，以弥补现有技术的不足。
[0006]基于卫星高度计可以提取的涡旋表面参数有很多，包括涡旋的有效边界、最大地转流边界和形状边界、涡旋边界对应的经纬度序列、涡旋边界对应的涡旋半径、涡旋边界对应的涡旋振幅、涡旋半径对应的涡旋平均动能、涡旋中心的经纬度坐标等。Argo浮标作为观测海洋中温度、盐度、洋流的重要手段之一，可以向浮标投放者提供自身的经纬度坐标、温度剖面及盐度剖面等信息。
[0007]获得沿垂直方向的涡旋核心的最大温度异常对于理解海洋涡旋的三维结构至关重要。本专利技术采用全球22年（1998
‑
2019年）Argo浮标和卫星高度计派生的涡旋识别数据，建立了一种神经网络（NN）方法，即涡旋反向传播神经网络（EBPN），来反演涡旋核心的最大温度异常。本专利技术将包括半径、动能、振幅、Argo浮标与涡旋中心的归一化距离（nd）以及Argo浮标的地理坐标在内的涡旋表面参数作为EBPN的输入，将位于涡旋中Argo温度异常剖面上的极值点作为EBPN的输出，该温度异常即为涡旋核心内垂直方向上的最大温度异常。
[0008]为实现上述技术目的，本专利技术采取的具体技术方案为：
[0009]一种基于BP神经网络的涡核水下最大温度异常反演方法，包括以下步骤：S1：根据全球Argo浮标剖面数据集与气候态数据，求取每条温度剖面相对应的温度异常剖面；S2：定义涡旋内涡核的水平范围；S3：在所述水平范围内进行卫星高度计采集涡旋识别数据集的筛选，将筛选得到的涡旋识别数据集与Argo浮标剖面数据集进行时空匹配分析，得到涡旋和水下涡核相对应的数据，生成Argo
‑
in
‑
Eddy匹配数据集；S4：提取所述Argo
‑
in
‑
Eddy 匹配数据集中每条Argo所测得温度异常剖面及其对应的涡旋表面参数；S5：对温度异常剖面进行滤波处理，提取每条温度异常剖面上的最大温度异常值；S6：搭建EBPN模型；以BP神经网络为基础模型，将涡核的表面参数及水下温度异常作为特征值和标签值，构建出基于涡旋参数的EBPN模型；所述EBPN模型包括一个输入层、一个隐藏层和一个输出层；正向传播和反向传播过程分别用于初始化和更新隐藏层中的参数；S7：将涡旋表面参数与涡核最大温度异常值导入模型进行训练与验证；S8：基于EBPN模型对涡核最大温度异常值进行反演。
[0010]进一步的，所述S1中，全球Argo浮标数据中包含9个国家的11个资料中心（分别为aoml、bodc、coriolis、csio、csiro、incois、jma、kma、kordi、meds和nmdis）。其中有两种格式的数据：实时剖面数据（Rxxxxxxx_nnn.nc或BRxxxxxxx_nnn.nc，这里xxxxxxx为浮标的WMO编号，nnn为剖面序列号，R代表数据经过各国资料中心的实时质量控制，B代表生物地球化学（BGC）要素剖面数据），延时剖面数据（Dxxxxxxx_nnn.nc或BDxxxxxxx_nnn.nc，D代表数据经过各国资料中心的延时模式质量控制，B代表生物地球化学（BGC）要素剖面数据）；以R或D开头的netCDF文件中，包含某个浮标某个循环观测的温度（TEMP）、盐度（PSAL）和压力（PRES）观测数据，并有相应的质量控制标记。
[0011]进一步的，所述S2具体为：海洋环流主要受到地转偏向力（科里奥利力）和压强梯度力的共同影响，当这两种力取得平衡时，海洋环流就达到了一种稳定状态。若不考虑其他因素，这种稳定状态下的海洋环流，称为地转流，其公式如下所示：；；其中，g 为重力加速度， 为地转参数，为地球自转角速度，ζ为海表高度，x/y 分别为沿纬/经线的距离，为数学意义上的求导符号，和分别代表地转流的纬向和经向分量。
[0012]涡核中心到最大地转速度对应的边界所围成的拟合圆的区域即为涡核的水平范围。
[0013]进一步的，所述S3具体为：利用卫星高度计获取涡旋1998年到2019年共22年的涡旋识别数据集，根据S2所述确定涡旋识别数据集中涡核的水平范围；在涡旋识别数据集中遍历每条涡旋信息，提取出当日位于该涡旋涡核内的Argo剖面，将所有匹配成功的数据集存储并命名为Argo
‑
In
‑
Eddy数据集。
[0014]进一步的，所述S6具体为：S6
‑
1：为了控制和调整各种输入涡旋特征对最大温度异常值反演结果的影响，EBPN中相邻两层之间的权重值设置如下：；其中，是EBPN反演的每10
°×
10
°
网格内涡核垂直方向上的水下最大温度异常值，n和m是网络中相邻两层的神经元数量，k表示隐藏层中全连接层的数量，是隐藏层中第k层神经元与下一层神经元的连接权重，表示通过隐藏层中第k个全连接层后的输出结果，是第k层的偏置，在k=0的情况下，表示输入层和隐藏层的第一个全连接层之间的权重；最后一个全连接层的神经元与输出层之间的权重用W表示，B是输出层神经元的偏置；S6
‑
2：为了降低涡旋特征数据之间的相互依赖程度，有效避免梯度饱和和分散问题，本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络的涡核水下最大温度异常反演方法，其特征在于，包括以下步骤：S1：根据全球Argo浮标剖面数据集与气候态数据，求取每条温度剖面相对应的温度异常剖面；S2：定义涡旋内涡核的水平范围；S3：在所述水平范围内进行卫星高度计采集涡旋识别数据集的筛选，将筛选得到的涡旋识别数据集与Argo浮标剖面数据集进行时空匹配分析，得到涡旋和水下涡核相对应的数据，生成Argo
‑
in
‑
Eddy匹配数据集；S4：提取所述Argo
‑
in
‑
Eddy 匹配数据集中每条Argo所测得温度异常剖面及其对应的涡旋表面参数；S5：对温度异常剖面进行滤波处理，提取每条温度异常剖面上的最大温度异常值；S6：搭建EBPN模型；以BP神经网络为基础模型，将涡核的表面参数及水下温度异常作为特征值和标签值，构建出基于涡旋参数的EBPN模型；所述EBPN模型包括一个输入层、一个隐藏层和一个输出层；正向传播和反向传播过程分别用于初始化和更新隐藏层中的参数；S7：将涡旋表面参数与涡核最大温度异常值导入模型进行训练与验证；S8：基于EBPN模型对涡核最大温度异常值进行反演。2.如权利要求1所述的基于BP神经网络的涡核水下最大温度异常反演方法，其特征在于，所述S1中，全球Argo浮标数据中包括实时剖面数据和延时剖面数据。3.如权利要求1所述的基于BP神经网络的涡核水下最大温度异常反演方法，其特征在于，所述S2具体为：稳定状态下的海洋环流，称为地转流，其公式如下所示：，；其中，g 为重力加速度，为地转参数，为地球自转角速度，为海表高度，x/y 分别为沿纬/经线的距离，为数学意义上的求导符号，和分别代表地转流的纬向和经向分量；涡核中心到最大地转速度对应的边界所围成的拟合圆的区域即为涡核的水平范围。4.如权利要求1所述的基于BP神经网络的涡核水下最大温度异常反演方法，其特征在于，所述S3具体为：利用卫星高度计获取涡旋识别数据集，确定涡旋识别数据集中涡核的水平范围；在涡旋识别数据集中遍历每条涡旋信息，提取出当日位于该涡旋涡核内的Argo剖面，将所有匹配成功的数据...

【专利技术属性】
技术研发人员：马纯永，徐海梁，段莹莹，陈戈，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：