System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于塔克-降噪自编码器重构海洋三维温盐度场的方法技术_技高网

基于塔克-降噪自编码器重构海洋三维温盐度场的方法技术

技术编号:40058293 阅读:8 留言:0更新日期:2024-01-16 22:17
本发明专利技术涉及到基于塔克‑降噪自编码器重构海洋三维温盐度场的方法,具体采用了Tucker分解算法、降噪自编码器重构海洋中三维温盐度场,克服了海洋环境的复杂性和不确定性使得对海洋温度和盐度随深度的重构和预测难度较大的问题,经过优化后的重构数据已经将原始数据中温盐度分布的趋势和细节变化都重构出来,实现了将原始数据大部分不规则细节变化都准确的做出了重构。

【技术实现步骤摘要】

本专利技术涉及重构海洋三维温盐度场的,尤其涉及一种基于塔克-降噪自编码器重构海洋三维温盐度场的方法


技术介绍

1、目前,随着人类对海洋的探索和利用,海洋数据的重要性越来越受到重视。海洋温盐度场的变化在海洋水声环境特性中十分重要。深入研究和准确掌握海洋温度、盐度随深度在时空分布的变化规律,对水声、航海和气象等学科研究具有重要的意义。然而,海洋温盐度场数据的获取和处理面临诸多问题,其中最大的问题之一是温盐度场数据的缺失和质量问题。为了可以使用区域内少数的数据把整个区域的温盐度场重构出来,达到用极少数据去重构三维空间中立体数据的能力。这就需要开发有效的方法对海洋温盐度场进行重构。

2、由于海洋环境的复杂性和不确定性使得对海洋温度和盐度随深度的重构和预测难度较大。


技术实现思路

1、针对海洋温盐度场的重构问题,本专利技术提出一种基于塔克分解和深度学习优化的海洋温盐度场重构模型,进一步提高重构精度。首先,我们使用argo采集到的三维温盐深数据预处理为先验数据集;其次,对先验数据集使用塔克分解算法进行分解,根据重建准确性需求选取合适的核心张量;再次,求取核心张量与除1模以外其他方向上的分解因子矩阵的模式积,获得重建系数张量;然后,结合重建系数张量以及温盐深测量值求取对应的1模分解因子向量,进而通过1模分解因子向量实现对原有三维温盐深分布的重建;最后,选取不同测点位置组合方式获取不同的温盐度场分布重建结果作为训练数据集,将与之对应的先验数据集作为标准数据集。将基于塔克分解算法计算所得的初步三维温盐度场分布重建结果输入训练好的降噪自编码器中进行优化。在模型训练过程中,采用了交叉熵损失函数和随机梯度下降优化算法,从而提高了模型的准确性和稳定性,提升温盐度场分布重建精度。

2、为了验证本专利技术提出的方法的有效性,本文在实际海洋温盐深数据上进行了实验。实验结果表明,本文提出的方法能够有效地对海洋温盐深数据进行重构,并且能够保持原始数据的准确性和稳定性。与传统的重构方法相比,本专利技术提出的方法具有更高的准确性和更强的适应性,能够适用于各种类型的温盐度场数据。

3、综上所述,本专利技术提出了一种基于塔克分解和降噪自编码器的模型对温盐度场进行重构。该模型能够有效地解决海洋温盐度场数据存在的缺失和噪声问题,同时也有效地提高海洋温盐深数据的重构准确性和稳定性,有望成为未来海洋数据处理和分析的重要手段,从而对海洋环境和气候变化的研究提供了一定的技术支持和指导。

4、有鉴于目前对于重构三维温盐度场存在的问题缺陷,本专利技术目的在于提供一种基于tucker-降噪自编码器算法重构海洋三维温盐度场的方法,包括以下步骤:

5、步骤一,对地转海洋学实时观测阵argo采集到的三维温盐深数据进行预处理,得到先验数据集;

6、步骤二,对得到的先验数据集使用塔克分解算法进行分解,分解为核心张量以及1模、2模、3模和4模方向上的分解因子模式积的形式;根据重建准确性需求选取得到核心张量;

7、其中,所述核心张量包括4个模方向,分别为1模、2模、3模和4模;

8、步骤三,将得到的核心张量依次与2模、3模和4模方向上的分解因子矩阵进行模式积计算,得到重建系数张量;

9、步骤四,

10、获取原有三维温盐深分布中的温度、盐度、深度测量值,

11、对得到的所述重建系数张量与所述温度、盐度、深度测量值进行计算求取对应的1模分解因子向量,

12、进而通过1模分解因子向量对所述原有三维温盐深分布进行重建,得到重建的三维温度和盐度场分布;

13、步骤五,选取若干互不相同的测点位置组合方式,使用步骤四的方法,获取若干互不相同的温盐度场分布重建结果,使用若干所述温盐度场分布重建结果构建训练数据集,将与之对应的先验数据集作为标准数据集;

14、步骤六,将得到的训练数据集和标准数据集输入到降噪自编码器中进行训练,得到训练好的降噪自编码器;

15、步骤七,将步骤四中得到的重建的三维温度和盐度场分布输入训练好的降噪自编码器中进行优化,得到优化后的三维温盐度场。

16、作为优选,所述步骤一中,所述三维温盐深数据来源于预设经纬度范围内,预设深度的海洋水体,将所述海洋水体在水平面上等分为32x32份,在深度上等分为16份,得到16x32x32个水体块;

17、采集每个水体块内的深度数据、温度数据、盐度数据,得到所述三维温盐深数据;所述预处理包括插值归一化预处理;

18、所述先验数据集是19×16×32×32的张量。

19、作为优选,所述步骤二包括以下步骤:

20、步骤二,对得到的先验数据集使用塔克分解算法进行分解,根据重建准确性需求选取合适的核心张量;

21、分别分析所述先验数据集的4个模方向维数对重构数据的影响,确定分解秩的维度;

22、通过以下公式得到所述核心张量:

23、h=c×1f(1)×2f(2)×3f(3)…×nf(n)

24、式中h为n阶张量

25、c为张量h的塔克分解核心张量,

26、x1-为张量的n-模式积;

27、f(n)-为张量h的n模方向上的分解因子矩阵,

28、作为优选,所述步骤三包括以下步骤:

29、将所述先验数据集以四阶张量形式记作:

30、

31、使用塔克分解将先验数据集分解成为核心张量以及分解因子模式积的形式,如下所示:

32、

33、式中:ct为先验数据集张量tr塔克分解的核心张量,

34、ft(1)为张量tr的1模方向上的分解因子矩阵,

35、ft(2)为张量tr的2模方向上的分解因子矩阵,

36、ft(3)为张量tr的3模方向上的分解因子矩阵,

37、ft(4)为张量tr的4模方向上的分解因子矩阵,

38、将上式转化为以下形式:

39、

40、式中,f1i──1模方向上的分解因子矩阵中第i个因子向量,

41、由公式

42、ti=a×1f1i   (3)

43、式中,a为重建系数张量,可得到重建系数张量为

44、作为优选,所述步骤四包括以下步骤:

45、将处于同一海洋区域下的待重建的三维温度和盐度的分布tx、sx表示为:

46、tx=a×1f1x   (4)

47、sx=a×1f1x   (5)

48、式中,f1x为待求解三维温度分布重建1模分解因子向量;

49、s1x为待求解三维盐度分布重建1模分解因子向量;

50、由模式积的定义,将公式(6)、(7)转化为向量与矩阵相乘的形式:

51、tx=(f1x×a1unfold)t   (6)

52、sx=(f1x×a1unf本文档来自技高网...

【技术保护点】

1.基于塔克-降噪自编码器重构海洋三维温盐度场的方法,其特征在于,包括以下步骤:

2.如权利要求1所述的基于塔克-降噪自编码器重构海洋三维温盐度场的方法,其特征在于,所述步骤一中,

3.如权利要求1所述的基于塔克-降噪自编码器重构海洋三维温盐度场的方法,其特征在于,所述步骤二包括以下步骤:

4.如权利要求1所述的基于塔克-降噪自编码器重构海洋三维温盐度场的方法,其特征在于,所述步骤三包括以下步骤:

5.如权利要求1所述的基于塔克-降噪自编码器重构海洋三维温盐度场的方法,其特征在于,所述步骤四包括以下步骤:

6.如权利要求1所述的基于塔克-降噪自编码器重构海洋三维温盐度场的方法,其特征在于,所述步骤六中:

7.如权利要求3所述的基于塔克-降噪自编码器重构海洋三维温盐度场的方法,其特征在于,所述分解秩的维度为1×3×9×6。

【技术特征摘要】

1.基于塔克-降噪自编码器重构海洋三维温盐度场的方法,其特征在于,包括以下步骤:

2.如权利要求1所述的基于塔克-降噪自编码器重构海洋三维温盐度场的方法,其特征在于,所述步骤一中,

3.如权利要求1所述的基于塔克-降噪自编码器重构海洋三维温盐度场的方法,其特征在于,所述步骤二包括以下步骤:

4.如权利要求1所述的基于塔克-降噪自编码器重构海洋三维温盐度场的方法,其...

【专利技术属性】
技术研发人员:胡宁赵佳宝王茂法
申请(专利权)人:杭州电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1