关键词:
多层感知机
海底地形
南海
垂线偏差
重力异常
垂直重力梯度
摘要:
本文融合SIO(Scripps Institution of Oceanography)发布的垂线偏差、重力异常和垂直重力梯度数据及NCEI(National Centers for Environmental Information)发布的船载测深数据,利用多层感知机神经网络(Multi-Layer Perceptron,MLP)建立南海海域(108°E—121°E,6°N—23°N)分辨率为1'×1'的海底地形模型(MLP_Depth).首先,将642716个船载测深控制点的位置信息与周围4'×4'格网点处的地球重力信息(垂线偏差、重力异常、垂直重力梯度)作为输入数据,将船载测深控制点处实测水深值作为输出数据,训练MLP神经网络模型,训练结束时决定系数R2为99%,平均绝对误差MAE为39.33 m.然后,将研究区域内1'×1'格网正中心点处的输入数据输入于MLP模型中,可得格网正中心点处的预测海深值.最后,根据预测海深值建立研究区域范围内分辨率为1'×1'的MLP_Depth模型.将MLP_Depth模型预测水深与160679个检核点处实测水深对比,其差值的标准差STD(75.38 m)、平均绝对百分比误差MAPE(5.89%)与平均绝对误差MAE(42.91 m)皆优于GEBCO_2021模型、topo_23.1模型、ETOPO1模型与检核点实测水深差值的STD(108.88 m、113.41 m、229.67 m)、MAPE(6.11%、6.94%、18.37%)与MAE(47.33 m、52.24 m、130.08 m).同时,为了研究不同区域内利用该方法建立的海底地形模型的精度,本文在研究区域内分别建立了A、B区域的海底地形模型(MLP_Depth_A、MLP_Depth_B).经过验证得:MLP_Depth_A、MLP_Depth_B相比于MLP_Depth模型具有更高的精度,更能反应海底地形的变化趋势.