反向传播神经网络的太平洋海域温跃层反演

温跃层是反映海洋温度场的重要指标。针对太平洋中东部海域复杂多变的水文情况以及传统温跃层分析模式的局限性,该文基于BOA_Argo历史网格,通过BP神经网络,建立温度剖面的经验正交系数与海面遥感数据、少量深度处海水温度之间的非线性映射关系,实现海洋垂向温度剖面的实时反演,最后利用垂向梯度法获得海洋温跃层的相关参数。实验结果表明,相比于传统方法,该方法反演得到的跃层深度与测量值更加吻合,其中上层深度平均反演误差从10.3 m下降到5.7 m,下层深度平均反演误差从16.8 m下降到8.8 m。