-
题名融合机器学习与物理模型的中尺度涡声速剖面重构
- 1
-
-
作者
李洪臣
李明
王鹏皓
毛科峰
朱宇航
刘宇航
-
机构
国防科技大学气象海洋学院
国防科技大学前沿交叉学科学院
上海海洋大学海洋科学与生态环境学院
江苏海洋大学海洋技术与测绘学院
-
出处
《海洋学报》
北大核心
2025年第6期47-60,共14页
-
基金
国家自然科学基金(62073332)
国防科技大学自主创新科学基金(24-ZZCX-KXKY-05)。
-
文摘
针对中尺度涡内声速剖面结构复杂且重构误差显著偏大的问题,本文采用多源卫星遥感数据和Argo剖面,结合随机森林算法和中尺度涡统一结构模型,提出了PIRF-DEN模型。通过将海表面温度、高度异常、盐度、密度等海表环境参数与Argo密度作为输入,建立了“水面-水下”声速映射关系。同时,基于中尺度涡统一结构模型重构涡旋内密度场,将海表环境参数和涡旋重构密度输入映射关系并重构了涡旋内声速剖面。研究结果表明,PIRF-DEN模型显著提高了声速剖面的重构精度,平均绝对误差和均方根误差分别降至0.8324 m/s和1.3869 m/s,较传统的sEOF-r方法降低了87.3%和83.7%,且声速重构精度和稳定性优于现有模型。
-
关键词
声速重构
随机森林
中尺度涡统一结构模型
垂向密度
-
Keywords
sound speed reconstruction
random forest
unified structure model of mesoscale eddy
vertical density
-
分类号
P733.211
[天文地球—物理海洋学]
-
