热带海洋学报

作者：齐焕东, 朱程, 李序春, 景昕蒂, 宋德瑞

单位：1.信息学院(上海海洋大学), 上海 201306；2.国家海洋环境监测中心, 辽宁 大连 116023；3.地理科学学院(辽宁师范大学), 辽宁 大连 116029

关键词：Argo,温度,机器学习,质量控制,

基金：国家重点研发计划项目(2021YFF0704000); 国家重点研发计划项目(2022YFC3106100)

海洋温度数据在全球海洋观测和气候研究中发挥着关键作用, 质量控制对于确保这些数据的可靠性十分关键, 然而, 目前在大数据集上的异常数据召回率尚不理想。文章基于Argo温度数据, 提出一种基于规则集和多层感知机(rule set and multilayer perceptron, RS-MLP)的质量控制方法。首先对13种机器学习模型进行对比分析, 从中筛选出最优机器学习模型, 然后设计了由6种基于规则的质量控制检查模块组成的规则集, 最后集成规则集和最优机器学习模型构建出RS-MLP方法, 并以南海区域的Argo数据为例评估方法性能。研究结果表明: RS-MLP在351746条温度数据的测试集中真阳性率(true positive rate, TPR)、真阴性率(true negative rate, TNR)和接受者操作特性(receiver operating characteristic, ROC)曲线下面积(area under the curve, AUC)依次能达到93%、96%和95%, 并在不同深度层次上的异常数据召回率比较稳定, 具有优秀的质量控制性能。

来源：2024年第5期

《热带海洋学报》期刊编辑部

查看热带海洋学报杂志2024年第5期