(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211064070.4 (22)申请日 2022.09.01 (71)申请人 中国海洋大学 地址 266100 山东省青岛市崂山区松岭路 238号 申请人 中国人民解 放军海军潜艇学院 (72)发明人 王智峰　崔俊男　夏浩峰　过武宏　 (74)专利代理 机构 北京开阳星知识产权代理有 限公司 1 1710 专利代理师 李玉宾 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/10(2006.01) G06F 17/16(2006.01) G06K 9/62(2022.01) (54)发明名称 一种基于水下滑翔机的内孤立波参数提取 算法 (57)摘要 一种基于水下滑翔机的内孤立波参数提取 算法， 属于海洋内孤立波观测技术领域， 提取算 法采用滑翔机矩阵进行观测， 包括如下步骤： 步 骤1、 提取水下滑翔机观测的时空数据， 采用层次 聚类分析法对时空数据进行分析； 步骤2、 将同时 空数据集中的数据进行等深度区间插值， 计算欧 氏距离， 并进行判定； 步骤3、 将等密面最大深度 差大于25m、 最大深度差 所在深度大于20m的可疑 序列提取， 对其机器号、 剖面号、 平均密度进行数 据和计算， 得到海洋分层情况、 浮频率和内孤立 波振幅； 步骤4、 按照内孤 立波理论最佳适用范围 选择合适的内孤立波理论反演内孤立波对等密 面的影响， 输出包含内孤立波信息的密度剖面。 本发明能够明显提高内孤立波反演结果的准确 性。 权利要求书3页 说明书8页 附图1页 CN 115422746 A 2022.12.02 CN 115422746 A 1.一种基于水下滑翔机的内孤立波参数提取算法， 其特征为： 所述的提取算法采用滑 翔机矩阵进 行观测， 所述的滑翔机矩阵指的是： 在同一时间、 以空间矩阵的形式在不同地点 投放若干水 下滑翔机， 通过若干水 下滑翔机同时观测， 包括如下步骤： 步骤1、 提取水下滑翔机观测的时空数据， 所述的时空数据包括滑翔机机器号、 观测剖 面号、 测点经纬度、 观测时间、 温度、 盐度、 密度、 水深， 采用层次聚类 分析法对时空数据进 行 分析， 得到同时空数据集； 步骤2、 将同时空数据集中的数据进行等深度区间插值， 求得同深度平均数据， 随后将 单剖面数据与同深度平均数据进行对比， 计算欧氏距离， 并进行判定； ； 所述的单剖面数据 指的是： 由层次聚类分析得到的每组数据中有多个不同滑翔机不同时间的剖面数据时， 同 一组中的单一剖面信息即单剖面数据； 步骤3、 将等密面最大深度差大于25m、 最大深度差所在深度大于20m的可疑序列提取， 对其机器号、 剖面号、 平均密度进行数据和计算， 得到海洋分层情况、 浮频率和内孤立波振 幅； 步骤4、 根据海洋分层情况及内孤立波振幅， 按照内孤立波理论最佳适用范围选择合适 的内孤立波理论反演内孤立波对等密面的影响， 与原始剖面结合， 最后输出包含内孤立波 信息的密度剖面。 2.如权利要求1所述的一种基于水下滑翔机的内孤立波参数提取算法， 其特征为： 所述 的步骤1中， 采用自下而上 的层次聚类分析法， 在计算距离时， 首先计算样本之间的欧几里 得距离， 在形成类群之后， 再计算类与类之 间的距离； 类与类的距离计算方法为最短距离法 或最长距离法或类平均距离法或中心 距离法。 3.如权利要求2所述的一种基于水下滑翔机的内孤立波参数提取算法， 其特征为： 所述 的步骤1中， 首先将同一任务当中的所有滑翔机观测到的所有剖面进 行提取， 分别提取每个 观测剖面对应的机器号nM、 剖面号nP、 入水点经纬度lon和lat、 剖面平均时间参数 并将时 间进行无量纲处 理， 如式(1)所示， 使之满足时空聚类分析 数量级要求： 式(1)中， 是单一剖面观测时间的平均值， 单位 为秒， rt是聚类分析空间阈值cs与时 间阈值cT的比值， 即rt＝cs/cT； 然后， 构建时空数据的三维矩阵， 有： 假设按照聚类标准三维矩阵被分成了m个不相交的类别C1， C2， ...， Cm， 则其中两类Cα和 Cβ的距离表示 为： 式(3)中， Δ为距离算子， Δa， b表示样本a到样本b的欧氏距离； 表示 类Cα中第i个样本的经纬度及平均时间参数； 计算中， 最短距离法表示 为： 最长距离法表示 为：权　利　要　求　书 1/3 页 2 CN 115422746 A 2类平均距离法表示 为： 中心距离法表示 为： 式(7)中， 和 分别指类Cα和Cβ的中心， 即Cα和Cβ中样本的平均值。 4.如权利要求3所述的一种基于水下滑翔机的内孤立波参数提取算法， 其特征为： 所述 的步骤1中， 选择最短距离法对时空数据进行分析， 分析时， 将原始时空数据按照经纬度及 平均时间参数距离小于各自的阈值的标准， 分成M组数据， 每组中包含m个剖面信息； 同组 时 空数据为时空一致数据时， 组内滑翔机时空数据具有相似的观测结果； 对数据进 行分组后， 输出分组的组号 NG、 机器号NM、 剖面号NP： 如公式(8)所示： Data1＝[NG， NM， NP]    (8)。 5.如权利要求4所述的一种基于水下滑翔机的内孤立波参数提取算法， 其特征为： 所述 的步骤2中， 根据得到的组号、 机器号及剖面号， 提取相同组别中所有机器号及剖面号的作 业时间t、 深度dp、 温度 tp、 盐度st、 密度ds进行分析； 在同组数据当中， 提取不同剖面观测当 中的最大 下潜深度以及最小上浮深度作为该组数据的插值深度区间； 如下式所示： 式(9)中： 表示该组数据插值的深度区间； dpdown表示下潜深度序列， dpup表示上浮深 度序列； 随后将同组数据中的不同剖面数据进行等深度插值， 得到相同深度区间各剖面的温 度、 盐度、 密度的插值结果， 如下式所示： 再将相同深度不同剖面的温盐密结果进行平均， 得到其平均序列， 如下式所示： 式(11)中， j表示同组中剖面编号， i表示同剖面中数据编号。 6.如权利要求5所述的一种基于水下滑翔机的内孤立波参数提取算法， 其特征为： 所述 的步骤3中， 在相同深度区间内对比每个剖面数据与 平均数据的欧氏距离， 选择欧式距离最 大的剖面作为可疑序列进行 下一步分析， 如下式所示： 式(12)中： DEucl(A， B)表示序列A和B的欧式距离计算， 具体计算公式如等式右边所不； 表示第j个剖面的密度序列， 由式(10)根据实测密度序列的牛顿插值方法计算得到， 权　利　要　求　书 2/3 页 3 CN 115422746 A 3