基于卷积神经网络预测南海海底地形

针对南海区域，使用3种重力信号(垂线偏差、重力异常、垂直重力梯度异常)训练卷积神经网络模型，并将预测结果与船测数据和国外模型结果进行对比分析。将3种重力信号分成4组数据：重力异常，重力异常与垂直重力梯度异常，重力异常与垂线偏差，以及重力异常、垂线偏差和垂直重力梯度异常。4种组合方式的反演结果与船测水深之间的标准差分别为104.780 m、102.778 m、93.788 m、88.289 m,表明随着不同类型重力数据的加入，水深预测精度明显提高，并且在深度大于2 000 m时，反演结果精度提升效果更为显著。将训练集占总数据集的比例分别设置为80%、70%、60%和50%,反演结果与船测水深之间的标准差分别为88.289 m、91.256 m、92.833 m、96.022 m,表明数据量的增多可以有效提高模型学习结果的精度。