模糊ISODATA聚类算法在声速剖面自动分类中的应用

依据中国海浅海区30′按月历史统计声速剖面数据,通过归一化处理和Akima差值采样得到梯度剖面,建立起各方区按月归化后的声速剖面分层梯度样本集,并采用模糊ISODATA聚类算法对声速剖面进行聚类分析.通过对分类结果和类内总方差和的分析表明,聚类参数m值在1.1～2.1之间,并以最远邻系统聚类法结果为初始类中心的模糊分类效果较好.应用该方法对海洋中的声速剖面进行自动分类和区划对海洋环境的战术应用意义重大.     

浅海声速剖面自动分类方法研究

海洋中的声速剖面是影响水声设备效能的重要环境因素之一,声速剖面的自动分类和区划对海洋环境的应用意义重大.依据浅海30分方区按月统计声速剖面,通过归一化处理和Akima差值采样,建立了各方区按月归化后声速剖面的分层梯度样本集,并应用多种系统聚类算法分别对分层梯度样本集进行分析;计算各种算法在不同聚类数水平下聚类结果的总的类内离差和,依据总的类内离差和变化曲线拐点对应的聚类数目,结合分类结果确定浅海声速剖面最优聚类数目.对大量历史统计声速剖面数据的分析结果表明,该方法得到的聚类结果与人工经验分类结果吻合较好.     

改进型经验正交函数海洋声速剖面预报方法

鉴于深海温跃层以下往往声速值缺乏,声速剖面不完整的原因,提出一种声速剖面的预报方法:在传统经验正交函数预报法基础上,首先改进协方差矩阵的求解方法,将原始数据的空间信息和时间信息有效地融合到协方差矩阵中,通过由大量实测数据统计得出的时间函数的经验公式,得到合成剖面,将二者结合,把不完整剖面垂直向下延拓到海底,较为有效地解决了传统方法求解协方差矩阵和时间函数较粗糙的问题,给出了完整的海洋声速剖面的准确预报.实测数据检验结果表明,改进方法的预报精度比传统方法有了很大提高.     

HY1200声速剖面仪计算测深仪声速改正数方法

介绍了HY1200声速剖面仪平均声速的定义及应用,以及用平均声速进行测深仪声速改正数的方法和公式。     

声速剖面EOF表示的第一模态解析

为实现对声速剖面EOF表示后第一模态时间系数和空间函数变化规律的解析,提出了一种简化的声速剖面变化模型,即"拐点"深度值和声速值的变化;声速梯度的变化和表层海水温度周期性变化所引起的海水声速变化,通过将4种因素所引起的第一模态空间函数的变化规律与实际声速剖面簇第一模态空间函数的变化规律对比,分析引起实测声速剖面变化的主要因素,最后,分别用深海和浅海实测声速剖面数据对其进行验证。     

联合WOA2018温盐模型及实测温盐资料重构全深度声速剖面(四):声速剖面应用

在深远海海域开展多波束水深测量时,受海上苛刻作业条件等多种影响,获取全深度声速剖面往往比较困难。首先联合WOA2018温盐模型和多个站位CTD、XCTD实测温盐剖面资料开展了全深度声速剖面重构,进而使用三组来源不同的全深度声速剖面开展了多波束测深声速改正对比分析。从试验结果看,这几组声速剖面对多波束测深精度的影响基本一致。特别是当假定CTD站位采用XCTD设备并由此推算深度大于1099m的温盐及声速剖面时,多波束测深的声速改正结果也能满足海底地形成果的质量要求。     

HY1200系列声速剖面仪及其应用

介绍了采用声学直接测量方法进行声速测量的声速剖面仪原理，声速仪标定的必要性、标定原理和方法，以及系统组成和指标。探讨了声速偏差与深度误差的关系，使用声速仪对测深仪进行了声速改正的试验。     

声速剖面反演预测方法

利用2006—2017年我国南海部分区域(112°～114°E,10°～12°N)的Argo观测数据,对该海区声速剖面进行了仿真分析和研究。在此基础上,利用遗传算法(GA)优化的径向基函数(RBF)神经网络建立反演预测模型(GA-RBF),结合海区表面实测温度和历史数据,研究了该区域2016—2017年的声速剖面实时预测情况,并获得该海区6月和12月的声速剖面平均均方根误差值为0.845 m/s和0.815 m/s;而采用平均声速剖面方法获得该海区6月和12月的声速均方根误差分别是2.393 m/s和2.176 m/s。仿真结果表明:基于GA-RBF网络模型并利用海区表面实测温度的反演预测结果更趋近实测声速剖面,该模型可用于海区垂直声速剖面的实时预测。     

声速剖面仪测量技术综述

海水声速是影响海洋探测仪器性能的主要因素之一。声速剖面仪是进行海水声速探测的主要仪器,利用声速剖面仪可以获取某一区域切面上海水声速随深度变化的情况,从而为海洋探测仪器提供精确的声速剖面,对海洋经济开发、国防军事、科学研究等有重要的意义。文中介绍了测量声速的基本方法以及声速剖面技术,对国内外常用的声速剖面进行了介绍,论述了声速剖面仪的检测技术,并对国际上使用先进的"时间飞跃"(TOF)技术测量声速进行了概述。     

基于字典学习的声速剖面重构和反演

声速剖面（Sound Speed Profile,SSP） 是海洋环境观测的重要要素之一,引入遥感参数进行SSP 反演可以实时获取声速数据。反演首先需要依托精确的基函数对声速场进行降维表示,本文提出一种利用非线性基函数-学习字典（Learned Dictionaries,LDs） 提高降维精度的方案,并使用在多源信息融合上表现良好的自组织竞争型神经网络算法（Self-organizing Map,SOM） 对南海海域进行SSP 反演。实验结果使用均方根误差（Root Mean Square Error,RMSE）作为精度评估。实验结果显示：LDs 较传统基函数-经验正交函数（Empirical Orthogonal Functions,EOFs） 的降维精度在使用三阶基函数时提升0.13 m/s,五阶基函数提升0.07 m/s。使用五阶基函数进行反演,LDs 的反演精度为3.01 m/s,低于EOFs 的反演精度2.47 m/s。其原因为反演误差在机器学习训练基函数时被放大,导致所求得反演系数欠优。LDs 基函数较之传统的EOFs 能够有效突破正交性的限制,更精确地表示声速的扰动,达到了更高的降维精度,为声学信号处理任务的基函数学习提供一种方案。     

海水声速剖面基函数的重构性能分析

海水声速剖面通常使用经验正交函数（Empirical Orthogonal Function,EOF）进行稀疏表示,然而基函数会受到数据完备性和数据测量时间的制约,其代表性误差会导致声速剖面重构精度受限。为了提高声速剖面的重构精度,本文利用模糊C均值聚类对BOA_Argo历史数据集进行聚类分析,探讨不同聚类空间的训练集数据对实测声速剖面重构精度的影响。研究表明,声速剖面具有明显的时空聚集特性,聚类后的历史声速剖面集生成的基函数和平均声速剖面具有最优的重构性能。本文研究结果有助于为历史声速剖面训练集的选取提供实际指导意义,进而提高声速剖面重构精度乃至反演精度。     

多波束测深系统最优声速公式的确定

本文对现有的7种声速经验公式，根据其不同的适用范围，不同的水文环境，计算出各自不同的声速和声速变率，并对这些数据进行统计分析，得出了适合不同水层的最优声速公式，该结论在浅水区被验证是正确的。     

声速剖面EOF重构的实测数据采样深度研究

经验正交函数(experiential orthogonal functions,EOF)是重构声速剖面(sound speed profile,SSP)的一种有效方法,利用部分实测数据结合历史剖面资料可以重构当前位置的声速剖面.针对实测数据的采样深度难以确定这一问题,本文介绍了一种基于历史声速剖面资料的实测数据采样深...     

中国近海声速剖面的模态特征

利用WOA05数据集提供的气候态声速场数据,通过模糊C-均值聚类分析,得到了中国近海声速剖面模态特征的区域性分布和季节性变化。结果表明,中国近海的声速剖面结构可分为深海型(D型)、浅海型(S型)和过渡型(T型)三个基本类型。深海型剖面为"季节性跃层/正梯度+主跃层+深海声道+深海正梯度"结构,南海和菲律宾海因所属水系不同呈现出明显差异;浅海型剖面季节性变化强烈,冬季为正梯度或均匀型结构,其它季节为"混合层+季节性跃层+下均匀层"结构,负梯度强度与季节性跃层的变化有关,在夏季达到最强;过渡型剖面形态与邻近的深海型上层结构类似,但因受地形制约产生与深海型不同的声传播特征。海面太阳辐射、海洋环流、混合层以及水团配置的季节性变化导致的温盐场空间分布差异是造成不同海区、不同季节声场速剖面结构差异的根本原因。     

Rapid environmental assessment in the South China Sea: Improved inversion of sound speed profile using remote sensing data

Complex perturbations in the profile and the sparsity of samples often limit the validity of rapid environmental assessment (REA) in the South China Sea (SCS). In this paper, the remote sensing data were used to estimate sound speed profile (SSP) with the self-organizing map (SOM) method in the SCS. First, the consistency of the empirical orthogonal functions was examined by using k-means clustering. The clustering results indicated that SSPs in the SCS have a similar perturbation nature, which means the inverted grid could be expanded to the entire SCS to deal with the problem of sparsity of the samples without statistical improbability. Second, a machine learning method was proposed that took advantage of the topological structure of SOM to significantly improve their accuracy. Validation revealed promising results, with a mean reconstruction error of 1.26 m/s, which is 1.16 m/s smaller than the traditional single empirical orthogonal function regression (sEOF-r) method. By violating the constraints of linear inversion, the topological structure of the SOM method showed a smaller error and better robustness in the SSP estimation. The improvements to enhance the accuracy and robustness of REA in the SCS were offered. These results suggested a potential utilization of REA in the SCS based on satellite data and provided a new approach for SSP estimation derived from sea surface data.     

基于正交匹配追踪的声层析方法

声速剖面的变化会对声传播产生较大的影响,经验正交函数模型经常用来实现对声速剖面数据的简化描述。然而在内波、湍流等海水不均匀性存在时,这种正则化操作会造成声速重构精度的大幅降低。本文利用字典学习生成声速剖面的非正交原子,在稀疏编码时采用正交匹配追踪（OMP,Orthogonal Matching Pursuit）算法,更新字典则使用KSVD （Kernel Singular Value Decomposition）的字典更新算法。由于字典学习不需要强制使用正交条件,对于训练数据更加灵活,从而可以使用少数的原子组合达到更高的重构精度。利用一次浅海声学实验多次测量的声速剖面研究了海水声速剖面的经验正交函数表示和字典学习,研究表明：相比于正交函数表示,学习字典可以利用少数原子（甚至一个原子）更好的解释声速剖面扰动。字典学习可以提高声速剖面的稀疏性,从而提高声速剖面的反演精度。     

一种新的声速剖面结构参数化方法

在Munk模型和GDEM模型的基础上,提出了一种新的声速剖面结构参数化模型,即分层声速剖面模型(LSSPM).模型用含9个参数的四层分段函数分别描述混合层、主跃层、深海声道层和深海等温层的声速结构,形式简明、直观.数值实验结果表明,LSSPM模型对声速剖面的拟合可达到较高的精度,且对于中国周边的深海和浅海区域有较好的适...