[发明专利]基于亥姆霍兹分解及深度学习的复合涡识别模型构建方法

说明书

本发明公开一种基于亥姆霍兹分解及深度学习的复合涡识别模型构建方法，其包括以下步骤：获取海水东西方向流速U和南北方向流速V数据，构建速度矢量场图像；对速度矢量场图像进行亥姆霍兹分解得到有势场F_d图像和有旋场F_c图像；根据有旋场F_c中的势函数和UV数据标注单涡气旋涡、单涡反气旋涡、复合涡气旋涡和复合涡反气旋涡，并将标注前后的有旋场图像作为深度学习数据集；对所述深度学习数据集使用神经网络进行训练得到复合涡识别模型。本发明运用亥姆霍兹分解方法对卫星高度计的衍生数据进行处理，提高复合涡的识别准确率，并且采用深度学习方法，提升对复合涡的识别效率，最终实现模型在全海域上的应用。

技术领域

本发明属于复合涡识别领域，尤其涉及到一种基于亥姆霍兹分解及深度学习的复合涡识别模型构建方法。

背景技术

中尺度涡是海洋中的一种涡流，在全球海洋中广泛存在。海洋涡旋本身携带着极大的动能，这种动能会对全球海洋物质输送和能量传递起着关键的作用。我们之前往往是对单涡进行识别，却很少关注复合涡这种类型的涡旋。复合涡是单涡的组合体，两个单涡碰到一起构成一个复合涡后，会对原本单涡的运动轨迹造成影响。另外，两个独立的单涡之间的能量交换形式也与复合涡中两单涡的能量交换形式有所不同，所以我们对复合涡进行识别是有非常重要的科学意义和应用价值。目前对复合涡识别的方法主要是物理方法，比如改进的HD方法，这种方法是基于原始的卫星高度计数据进行的，但是采用这种没有处理过的数据对复合涡进行识别，使得识别效率低，而且准确度不高。

发明内容

本发明的一个目的是提供一种基于亥姆霍兹分解及深度学习的复合涡识别模型构建方法并提供至少后面将说明的优点。

本发明的另一个目的是提供一种基于亥姆霍兹分解及深度学习的复合涡识别方法，运用亥姆霍兹分解方法对卫星高度计的衍生数据进行处理，提高识别准确率，并且采用深度学习方法，提升对复合涡的识别效率，最终实现模型在全海域上的应用。

本发明的技术方案如下：

基于亥姆霍兹分解及深度学习的复合涡识别模型构建方法，其包括以下步骤：

1)获取海水东西方向流速U和南北方向流速V数据，构建速度矢量场图像；

2)对所述速度矢量场图像进行亥姆霍兹分解得到有势场F_d图像和有旋场F_c图像；

3)根据有旋场F_c中的势函数和Uv数据标注深度学习数据集；

4)对所述深度学习数据集使用神经网络进行训练得到复合涡识别模型。

优选的是，所述步骤2)中，通过有旋场对复合涡进行识别，提升复合涡的识别准确率，F_d，F_c的定义见公式1，2；

其中，V为一个标量函数，用V的梯度可以用来表示一个有势场，A为一个矢量场，可以用A的旋度来表示一个有旋场。

优选的是，所述速度矢量场由海平面异常卫星高度计数据计算得到，其中，空间分辨率为1/12°×1/12°，时间分辨率为3h，空间覆盖范围为南纬80度到北纬90度。

优选的是，所述步骤3)中，所述深度学习数据集为4种类型涡旋，单涡气旋涡、单涡反气旋涡、复合涡气旋涡和复合涡反气旋涡。

优选的是，所述神经网络为EddyNet神经网络。

优选的是，所述步骤4)中，所述深度学习数据集使用神经网络进行训练得到复合涡识别模型，包括以下步骤：

1)将所述深度学习数据集分为训练集和验证集；