专利摘要

本发明适用海洋声速场构建技术领域，提供了一种声速获取方法及基于该方法的全球海洋声速场构建方法，该方法包括：获取海洋多个区域中的多个位置的海水的性质及位置的坐标，根据海水的性质和声速获取算法，获取海水中的声速，并获取构建位置与已知声速位置之间的距离，进而分析声速与距离的相关系数，并选取相关系数较强的位置的海水的性质及历史性质，利用第一BP网络神经算法来获取构建位置的温度场和盐度场，以及利用第二BP网络神经算法来获取构建位置的声速，进而根据海洋的多个区域中的构建位置的声速构建全球海洋声速场；实现有选择的进行数据选取，提高了声速场构建的精度和可靠性，提高了用户体验。

权利要求

1.一种全球海洋声速场的构建方法，其特征在于，所述方法包括：

获取海洋多个区域中的多个位置的海水的性质及所述位置的坐标，根据所述海水的性质和声速获取算法，获取海水中的声速；

所述海水的性质包括海水的温度和盐度以及深度；所述声速获取算法的根据公式为：其中，C为所述声速，T为所述温度，S为所述盐度，h为所述深度；

根据公式：获取构建位置与已知声速位置之间的距离，其中，d(x,y,z)为所述距离，x、y、z为构建位置的坐标，xi、yi、zi为已知声速位置的坐标；

根据公式：获取所述声速与所述距离的相关系数，其中，D表示方差，COV表示协方差，ρc、d(x、y、z)表示所述相关系数；

获取所述海洋的某区域中多个位置中的所述相关系数较强的位置的所述海水的性质和历史性质，并根据所述相关系数较强的位置的所述海水的性质和历史性质获取所述构建位置的声速，根据所述相关系数较强的位置的海水的性质和历史性质获取所述构建位置的温度和所述构建位置的盐度；

所述海水的历史性质包括海水的历史温度和历史盐度以及历史声速；

所述构建位置的温度和盐度根据第一BP神经网络算法获取；其中，所述第一BP神经网络算法的输入层包括所述历史温度、所述历史盐度和深度以及所述相关系数较强的位置的水平坐标；所述第一BP神经网络算法的输出层包括所述构建位置的温度和所述构建位置的盐度；

所述构建位置的声速根据第二BP神经网络算法获取，其中，所述第二BP神经网络算法的输入层包括所述历史声速、所述构建位置的温度、所述构建位置的盐度和所述相关系数较强的位置的水平坐标以及深度；所述第二BP神经网络算法的输出层包括构建位置的声速。

2.如权利要求1所述的方法，其特征在于，所述第二BP神经网络算法的网络逼近函数是tansig函数或和trainlm函数或和learninggdm函数。

3.如权利要求1所述的方法，其特征在于，所述方法包括：

根据所述海洋的多个区域中的所述构建位置的声速构建全球海洋声速场。

说明书

技术领域

本发明属于海洋声速场构建技术领域，尤其涉及一种声速获取方法及基于该方法的全球海洋声速场构建方法。

背景技术

海洋环境条件如海水的温度、盐度，海面起伏，海底深度，海底地质结构都会对海洋中传播的声信号产生影响，声速是影响水下声学精确定位的重要参数；为了研究海洋中的声传播特性，人们己经发展了多种声场的分析计算方法，海洋声速可以通过声速剖面仪、温盐压仪直接测量，由于海洋环境随时间和空间常常会发生比较明显的变化，直接逐点进行测量往往比较费时费力，通过温盐压仪来获得海洋环境参数结合经验模型计算得到的声速会出现模型不适用的问题；

因此人们大多数都使用匹配波束处理（MBI）的浅水声速剖面反演方案，该方案通过并行遗传算法提出了声速剖面的匹配场反演，以获得准实时反演结果，将EOF与遗传模拟退火算法结合起来用于浅水声速的反演，通过历史声速剖面的经验正交分解获得经验正交函数和经验正交系数，以建立南，北海的声速场；利用BP神经网络的自适应能力和自学习能力，以历史数据为样本训练模型，并预测声速剖面的反演；但是，传统的EOF重构声速剖面阶次的选取对声速场的构建影响较大，特别是在声速变化较大的季节跃变层和主跃层算法的构建精度明显下降，将智能算法与声速剖面模型结合并未考虑海洋环境参数，精度无法较高的要求。

发明内容

本发明的目的在于提供一种声速获取方法及基于该方法的全球海洋声速场构建方法，旨在解决由于现有技术无法提供一种精度高的全球海洋声速场构建方法，导致可靠性较低、用户体验不佳的问题。

一方面，本发明提供了一种声速获取方法，所述方法包括下述步骤：

获取海洋多个区域中的多个位置的海水的性质及所述位置的坐标，根据所述海水的性质和声速获取算法，获取海水中的声速。

优选地，所述海水的性质包括海水的温度和盐度以及深度；所述声速获取算法的根据公式为： ，其中，C为所述声速，T为所述温度，S为所述盐度，h为所述深度。

另一方面，本发明提供了一种全球海洋声速场构建方法，所述方法包括下述步骤：

根据公式： 获取构建位置与已知声速位置之间的距离，其中， 为所述距离，x、y、z为构建位置的坐标，xi、yi、zi为已知声速位置的坐标。

优选地，根据公式： 获取所述声速与所述距离的相关系数，其中，D表示方差，COV表示协方差，ρc、d（x、y、z）表示所述相关系数。

优选地，获取所述海洋的某区域中多个位置中的所述相关系数较强的位置的所述海水的性质和历史性质，并根据所述相关系数较强的位置的所述海水的性质和历史性质获取所述构建位置的声速；

所述海水的历史性质包括海水的历史温度和历史盐度以及历史声速。

进一步优选地，在获取所述构建位置的声速之前还包括：根据所述相关系数较强的位置的海水的性质和历史性质获取所述构建位置的温度和所述构建位置的盐度。

优选地，所述构建位置的温度和盐度根据第一BP神经网络算法获取；其中，所述第一BP神经网络算法的输入层包括所述历史温度、所述历史盐度和深度以及所述相关系数较强的位置的水平坐标；所述第一BP神经网络算法的输出层包括所述构建位置的温度和所述构建位置的盐度。

优选地，所述构建位置的声速根据第二BP神经网络算法获取，其中，所述第二BP神经网络算法的输入层包括所述历史声速、所述构建位置的温度、所述构建位置的盐度和所述相关系数较强的位置的水平坐标以及深度；所述第二BP神经网络算法的输出层包括构建位置的声速。

优选地，所述第二BP神经网络算法的网络逼近函数是tansig函数或和trainlm函数或和learninggdm函数、或所述第二BP神经网络算法的网络逼近函数是tansig函数或trainlm函数或learninggdm函数。

优选地，根据所述海洋的多个区域中的所述构建位置的声速构建全球海洋声速场。

本发明基于海水的性质获取声速，并获取构建位置与已知声速位置之间的距离，进而分析声速与距离的相关系数，并获取相关系数较强的位置的海水的性质及历史性质，利用第一BP网络神经算法来获取构建位置的温度场和盐度场，以及利用第二BP网络神经算法来获取构建位置的声速，进而根据海洋的多个区域中的构建位置的声速构建全球海洋声速场；实现有选择的进行数据选取，提高了声速场构建的精度和可靠性，进而提高了用户体验。

附图说明

图1是本发明实施例一提供的声速获取方法的实现流程图；

图2是本发明实施例二提供的全球海洋声速场构建方法的实现流程图；

图3是本发明实施例二提供的全球海洋声速场构建方法的第一BP网络神经算法的示意图；

图4是本发明实施例二提供的全球海洋声速场构建方法的第二BP网络神经算法的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

以下结合具体实施例对本发明的具体实现进行详细描述：

实施例一：

图1示出了本发明实施例一提供的声速获取方法方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

在步骤S101中，获取海洋多个区域中的多个位置的海水的性质及位置的坐标；

在本发明的实施例中：海水的性质包括海水的温度和盐度以及深度；优选地，从Argo实时资料中心下载海洋多个区域（例如：太平洋、大西洋、印度洋、北冰洋）中的多个位置的浮标所测得的海水的温度、盐度和深度以及位置（即：该浮标所采集的海水的位置）；其中，获取海洋多个区域中的多个位置的海水的性质及位置的坐标不仅仅限于实时数据，还包括历史数据。

在步骤S102中，根据海水的性质和声速获取算法获取海水中的声速；

在本发明的实施例中：声速获取算法的公式为： ，其中，C为声速，T为温度，S为盐度，h为深度。

实施例二：

图2示出了本发明实施例二提供的全球海洋声速场构建方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

在步骤S201中，获取构建位置与已知声速位置之间的距离；

在本发明的实施例中：根据公式： 获取构建位置与已知声速位置之间的距离，其中， 为距离（即：构建位置与已知声速位置之间的距离），x、y、z为构建位置的坐标（对应的为x轴、y轴、Z轴的坐标值），xi、yi、zi为已知声速位置的坐标（对应的为x轴、y轴、Z轴的坐标值）。

在步骤S202中，获取声速与距离的相关系数；

在本发明的实施例中：根据公式： 获取声速与距离（即：构建位置与已知声速位置之间的距离）的相关系数，其中，D表示方差，COV表示协方差，ρc、d（x、y、z）表示相关系数；在通过多个相关系数分析后，得出：相关系数与距离成反比，在表层和深水层随距离增大相关系数强度（即：相关系数的值）下降的程度远小于中间层。

在步骤S203中，获取海洋的某区域中多个位置中的相关系数较强的位置的海水的性质和历史性质；

在本发明的实施例中：海水的历史性质包括海水的历史温度和历史盐度以及历史声速；同时为了进一步提高算法的构建精度，在保证算法学习数据量的基础上选择相关系数较强的数据进行声速场构建（在本发明的实施例中选取相关系数为0.5-1的位置的海水的性质和历史性质数据进行声速场构建）；进而解决了传统算法中对中间层的预测精度较低的问题。

在步骤S204中，根据相关系数较强的位置的海水的性质和历史性质获取构建位置的温度和构建位置的盐度；

在本发明的实施例中，根据第一BP神经网络算法获取构建位置的温度和构建位置的盐度，如图3所示，第一BP神经网络算法的输入层包括历史温度 、历史盐度 和深度 以及相关系数较强的位置的水平坐标 （x轴坐标或Y轴坐标）；第一BP神经网络算法的输出层包括构建位置的温度和构建位置的盐度；优选地，第一BP神经网络算法的输入层包括多个历史温度 、多个历史盐度 和多个深度 以及相关系数较强的位置的多个水平坐标 （x轴坐标或Y轴坐标）；其中，相关系数较强的位置的水平坐标 （x轴坐标或Y轴坐标）以及深度 不仅仅限于实时数据或为历史数据。

在步骤S205中，根据相关系数较强的位置的海水的性质、历史性质和构建位置的温度以及构建位置的盐度获取构建位置的声速；

在本发明的实施例中：根据第二BP神经网络算法获取构建位置的声速；如图4所示，第二BP神经网络算法的输入层包括历史声速 、构建位置的温度 、构建位置的盐度 和相关系数较强的位置的水平坐标 （x轴坐标或Y轴坐标）以及深度 ；第二BP神经网络算法的输出层包括构建位置的声速；优选地，第二BP神经网络算法的网络逼近函数是tansig函数或和trainlm函数或和learninggdm函数、或第二BP神经网络算法的网络逼近函数是tansig函数或trainlm函数或learninggdm函数；进一步优选地，第二BP神经网络算法的输入层包括多个历史声速 、多个构建位置的温度 、多个构建位置的盐度 和相关系数较强的位置的多个水平坐标 （x轴坐标或Y轴坐标）以及多个深度 ，其中，相关系数较强的位置的水平坐标 （x轴坐标或Y轴坐标）以及深度 不仅仅限于实时数据或为历史数据。

在步骤S206中，根据海洋的多个区域中的构建位置的声速构建全球海洋声速场。

本发明实施例中：第二BP神经网络算法或和第一BP神经网络算法所采用的迭代次数为300，学习率为0.5，目标为0.0004。

本发明在基于海水的性质获取声速，并获取构建位置与已知声速位置之间的距离，进而分析声速与距离的相关系数，并获取相关系数较强的位置的海水的性质及历史性质，利用第一BP网络神经算法来获取构建位置的温度场和盐度场，以及利用第二BP网络神经算法来获取构建位置的声速，进而根据海洋的多个区域中的构建位置的声速构建全球海洋声速场；实现有选择的进行数据选取，提高了声速场构建的精度和可靠性，进而提高了用户体验。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

声速获取方法及基于该方法的全球海洋声速场构建方法专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。