一種海洋混合層深度的智能識別方法研究

摘要：文章提出了一種識別混合層深度的人工智能方法。該方法在溫度(密度)與壓強(或深度)間建立線性模型,并且將其系數和方差做成一組表征廓線特征的統計量。初始時為模型設定一個主觀的先驗分布,在一個自海表向下移動的窗口內通過貝葉斯鏈式法則和最小描述長度原理學習新數據,得到系數均值的最大后驗概率估計。用F-檢驗識別系數發生突變的位置,以此確定混合層的存在性及其深度。通過2017年2月太平洋海域的地轉海洋學實時觀測陣(Arrayfor Real-time Geostrophic Oceanography,ARGO)數據進行測試,并且以質量因子(Quality Index,QI)值作為判斷識別混合層深度結果準確性的依據,發現該方法相比于梯度法、閾值法、混合法、相對變化法、最大角度法和最優線性插值法在識別結果上具備更大的QI值。表明該方法能夠準確識別混合層深度。