浅海内波环境下声速剖面的深度迁移时序预测
作者机构：哈尔滨工程大学水声工程学院 山东科技大学测绘与空间信息学院
出 版 物：《声学学报》 (Acta Acustica)
年 卷 期：2024年
核心收录：
学科分类：07[理学] 082403[工学-水声工程] 0707[理学-海洋科学] 08[工学] 0824[工学-船舶与海洋工程]
基 金：中国博士后科学基金项目(2020M670891) 山东省自然科学基金项目(ZR2022MA051,ZR2020MA090) 山东科技大学科研创新团队支持计划项目(2019TDJH103)资助
摘 要：海水声速随时空起伏变化， 水文资料稀缺海域声速剖面时序预测困难， 为此构建了基于迁移学习的长短时记忆神经网络模型， 并利用中国南海海域实测的两条温度链长时序观测数据对其进行验证。针对有无孤立子内波存在的两种场景， 基于迁移学习对预训练网络模型进行微调， 分析不同训练样本量下迁移网络的有效性。实验结果表明， 迁移网络在有无孤立子内波存在的两种场景下均可实现高精度高效声速剖面预测， 且预测性能明显优于未迁移的处理方法。
同方期刊数据库