(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110508713.9 (22)申请日 2021.05.11 (65)同一申请的已公布的文献号 申请公布号 CN 113191087 A (43)申请公布日 2021.07.3 0 (66)本国优先权数据 202110140361.6 2021.02.02 CN (73)专利权人 中国人民解 放军海军大连舰艇学 院 地址 116018 辽宁省大连市中山区解 放路 667号 (72)发明人 贾帅东　袁浩　张立华　金绍华　 (74)专利代理 机构 大连理工大 学专利中心 21200 专利代理师 梅洪玉(51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/12(2006.01) 审查员 高宇峰 (54)发明名称 联合历史剖面声速与实测表层声速的航渡 式测深数据剖面声速改正方法 (57)摘要 本发明提供一种联合历史剖面声速与实测 表层声速的航渡式测深数据剖面声速改正方法， 属于海洋测绘技术领域。 包括： 输入航渡式测深 海区的历史水温、 盐度及压力数据， 计算声速剖 面数据； 标准化声速剖面的垂向分层； 对标准化 后的历史声速剖面群进行EOF分析， 获取重构系 数范围与特征向量； 构建遗传算法优化神经网络 模型， 选择适应度函数； 输入历史声速剖面数据， 训练模型； 将实测表层声速、 位置信息、 深度及特 征向量输入训练完成的模型， 反演声速剖面； 采 用常梯度声线跟踪对航渡式测深数据进行声速 改正。 本发 明克服了当前航渡式水深数据后处理 阶段缺少较高精度声速剖面进行声速改正的不 足， 削弱了声速误差的影响， 提高了航渡式测深 数据的精度。 权利要求书3页 说明书5页 附图2页 CN 113191087 B 2022.09.27 CN 113191087 B 1.一种联合历史剖面声速与实测表层声速的航渡式测深数据剖面声速改正方法， 其特 征在于， 该 方法包括以下步骤： 步骤S1： 选取测船航迹周围一定海域内的历史水温、 盐度及压力数据， 采用声速经验公 式计算得到相应的历史声速剖面V＝{V1,V2,V3,…,Vn}， Vn为第n个历史声速剖面； 步骤S2： 采用Akima插值方式标准化历史声速剖面群的垂向分层Vi＝{v1,v2,v3,…,vn}， 其中i＝{1,2,3, …,n}； 步骤S3： 对步骤S2中标准化历史声速剖面群进行正交经验函数分析， 获得重构系数范 围与表征海区声速主 要变化特 征的特征向量； 步骤S4： 初始化遗传算法、 搭建神经网络模型， 来构建遗传算法优化神经网络模型； 步骤S5： 利用历史声速场信息： 表层声速、 位置信息、 深度及特征向量数据， 训练步骤S4 构建的模型； 步骤S6： 向步骤S5中完成训练作业的模型中输入实测表层声速、 位置信息、 深度及所选 海区特征向量， 获取反演声速剖面； 步骤S7： 利用反演声速剖面， 采用常梯度声线跟踪方式对水深数据进行声速改正， 得到 改正后的航渡式水深数据。 2.根据权利要求1所述的一种联合历史剖面声速与实测表层声速的航渡式测深数据剖 面声速改正方法， 其特征在于， 所述步骤S1中， 依据航渡式测量工作中记录的位置信息， 并 按照行业规范要求或作业人员需要， 选取需要进行声速剖面反演的站点， 同时获取该站点 周围2海里范围内的历史温度、 盐度及压力信息， 将这些信息采用Chen ‑Millero声速经验公 式转换计 算获得历史声速剖面群V＝{V1,V2,V3,…,Vn}， Vn为第n个历史声 速剖面； 所述Chen ‑ Millero声速经验公式： v＝CW(t,p)+A(t,p)S+B(t,p)S3/2+D(t,p)S2 Cw(t,p)＝(C00+C01t+C02t2+C03t3+C04t4+C05t5)+(C10+C11t+C12t2+C13t3+C14t4)p+(C20+C21t+ C22t2+C23t3+C24t4)p2+(C30+C31t+C32t2)p3 A(t,p)＝(A00+A01t+A02t2+A03t3+A04t4)+(A10+A11t+A12t2+A13t3+A14t4)p+(A20+A21t+A22t2+ A23t3)p2+(A30+A31t+A32t2)p3 B(t,p)＝B00+B01t+(B10t2+B11t3)p D(t,p)＝D00+D10p 其中， t表示温度， ℃； S表示盐度； v表示声速剖面中的各层声速值， m/s； p为压力， bar； 适用于t∈[0,3 5],S∈[5,40],p∈[0,10 00]的海域。 3.根据权利要求1或2所述的一种联合历史剖面声速与实测表层声速的航渡式测深数 据剖面声速 改正方法， 其特征在于， 所述步骤S3中， 对标准化的历史声速剖面群进行EOF分 析， 提取出能表征该海区声速主要变化特征的前k阶特征向量Eofk＝{e1,e2,e3,…,ek}， 其 中， 前k阶特征向量所表示声速剖面起伏的能量百分比高于95％； 并获得重构系数范围 其中 表示第k阶重构系数的最小值与最大值。 4.根据权利要求1或2所述的一种联合历史剖面声速与实测表层声速的航渡式测深数 据剖面声速改正方法， 其特征在于， 所述步骤S4中， 遗传算法优化神经网络模型构建包括神权　利　要　求　书 1/3 页 2 CN 113191087 B 2经网络模型与遗传算法模型的构建： 所述神经网络模型包括输入表层声速、 位置信息、 深度与前k阶特征向量的输入层、 调 节权值与阈值的隐含层和输出反演声速剖面的输出层； 所述遗传算法模型依据神经网络的总节点数、 前k阶重构系数的范围、 确定种群个数和 遗传代数来进 行初始化， 并通过每代中适应度值最高的个体替代上代中适应度值最低的个 体， 来加快寻找最优参数个 体过程； 其中， 构造的适应度函数为： 其中， vij表示第i个站点样本的第j个声速值， v ′ij表示相应位置处的反演声速值。 5.根据权利要求3所述的一种联合历史剖面声速与实测表层声速的航渡式测深数据剖 面声速改正方法， 其特征在于， 所述步骤S4中， 遗传算法优化神经网络模型构建包括神经网 络模型与遗传算法模型的构建： 所述神经网络模型包括输入表层声速、 位置信息、 深度与前k阶特征向量的输入层、 调 节权值与阈值的隐含层和输出反演声速剖面的输出层； 所述遗传算法模型依据神经网络的总节点数、 前k阶重构系数的范围、 确定种群个数和 遗传代数来进 行初始化， 并通过每代中适应度值最高的个体替代上代中适应度值最低的个 体， 来加快寻找最优参数个 体过程； 其中， 构造的适应度函数为： 其中， vij表示第i个站点样本的第j个声速值， v ′ij表示相应位置处的反演声速值。 6.根据权利要求1、 2或5所述的一种联合历史剖面声速与实测表层声速的航渡式测深 数据剖面声速改正方法， 其特征在于， 所述步骤S5中， 将步骤S3得到的前k阶特征向量Eofk、 所选历史声速剖面群的表层声速数据、 声速剖面位置数据、 深度数据输入步骤S4中构建的 模型中， 调整模型中的权值与阈值， 进行训练， 得到最优的神经网络 权值与阈值。 7.根据权利要求3所述的一种联合历史剖面声速与实测表层声速的航渡式测深数据剖 面声速改正方法， 其特征在于， 所述步骤S5中， 将步骤S3得到的前k阶特征向量Eofk、 所选历 史声速剖面群的表层声速数据、 声速剖面位置数据、 深度数据输入步骤S4中构建的模型中， 调整模型中的权值与阈值， 进行训练， 得到最优的神经网络 权值与阈值。 8.根据权利要求4所述的一种联合历史剖面声速与实测表层声速的航渡式测深数据剖 面声速改正方法， 其特征在于， 所述步骤S5中， 将步骤S3得到的前k阶特征向量Eofk、 所选历 史声速剖面群的表层声速数据、 声速剖面位置数据、 深度数据输入步骤S4中构建的模型中， 调整模型中的权值与阈值， 进行训练， 得到最优的神经网络 权值与阈值。 9.根据权利要求1、 2、 5、 7或8所述的一种联合历史剖面声速与实测表层声速的航渡式 测深数据剖面声速改正方法， 其特征在于， 所述步骤S 6中， 依据船舶航行时测得的表层声速 或间接通过遥感卫星得到的表层声速f1， 结合各站点的位置信息、 所选海域平均深度和步 骤S3得到的前k阶特征向量， 输入步骤S 5中已训练完成的模型中， 然后获取反演得到的声速 剖面F＝[f1,f2,f3,...,fn]。权　利　要　求　书 2/3 页 3 CN 113191087 B 3