热带海洋学报

作者：张康,郭双喜,黄鹏起,屈玲,鲁远征,岑显荣,于璐莎,周伟东,周生启

单位：1. 热带海洋环境国家重点实验室(中国科学院南海海洋研究所), 广东 广州 510301；2. 中国科学院大学, 北京 100049；3. 中国科学院南海生态环境工程创新研究院, 广东 广州 510301

关键词：海洋混合层,人工智能方法,贝叶斯链式法则,最小描述长度原理,

基金：国家自然科学基金项目(91752108);国家自然科学基金项目(41476167);国家自然科学基金项目(41706029);国家自然科学基金项目(41606010);广东省自然科学基金(2016A030311042);广东省自然科学基金(2016A030310114);广州市科技计划重点项目(201804020056);中科院战略性先导专项资助项目(XDA11030302);中国科学院南海生态环境工程创新研究院课题(ISEE2018PY05)

文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型, 并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布, 在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据, 得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置, 以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Array for Real-time Geostrophic Oceanography, ARGO)数据进行测试, 并且以质量因子(Quality Index, QI)值作为判断识别混合层深度结果准确性的依据, 发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。

来源：2019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2019年第5期