申请/专利权人:江苏科技大学
申请日:2023-12-27
公开(公告)日:2024-04-02
公开(公告)号:CN117805836A
主分类号:G01S15/88
分类号:G01S15/88;G06N3/084;G06F18/214;G01S7/52
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明公开了一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法及系统,包括:在预设浅海环境下,仿真n个频点下的矢量声场Stokes参数,构成矢量声场Stokes参数—地声参数数据集,并将其划分为训练集和测试集;对矢量声场Stokes参数进行归一化处理;针对地声参数,构建4个并行的单输出BP神经网络模型,对于任意一地声参数,采用训练集对对应的单输出BP神经网络模型进行训练,得到反映预设浅海环境下Stokes参数与该地声参数间映射关系的BP神经网络模型;利用BP神经网络模型,实现对预设浅海环境下地声参数的反演。
主权项:1.一种基于矢量声场极化特性的浅海波导海洋环境参数估计方法,其特征在于:包括以下步骤:步骤1:在预设浅海环境下,仿真n个频点下的矢量声场Stokes参数,将地声参数与其对应的Stokes参数一一映射,构成矢量声场Stokes参数—地声参数数据集,将矢量声场Stokes参数—地声参数数据集划分为训练集和测试集;所述地声参数包括:沉积层厚度、沉积层上层声速、沉积层密度和沉积层衰减系数;步骤2:对矢量声场Stokes参数进行归一化处理;步骤3:针对沉积层厚度、沉积层上层声速、沉积层密度和沉积层衰减系数,构建4个并行的单输出BP神经网络模型,对于任意一地声参数,采用训练集对对应的单输出BP神经网络模型进行训练,得到反映预设浅海环境下Stokes参数与该地声参数间映射关系的BP神经网络模型;步骤4:利用步骤3得到的BP神经网络模型,实现对预设浅海环境下地声参数的反演。
全文数据:
权利要求:
百度查询: 江苏科技大学 基于矢量声场极化特性的浅海波导海洋环境参数估计方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。