基于卷积神经网络预测南海海底地形 |
| |
引用本文: | 王怀兵,万晓云,Richard Fiifi Annan.基于卷积神经网络预测南海海底地形[J].大地测量与地球动力学,2024(3):287-292. |
| |
作者姓名: | 王怀兵 万晓云 Richard Fiifi Annan |
| |
作者单位: | 中国地质大学(北京)土地科学技术学院 |
| |
基金项目: | 国家自然科学基金(42074017)~~; |
| |
摘 要: | 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。
|
关 键 词: | 卷积神经网络 重力场信息 深度学习 海底地形 频域法 |
|
|