排序方式： 共有2条查询结果，搜索用时 62 毫秒
1
1.
以海区30'网格方区多年月平均统计的声速剖面作为原始数据集,提取声速剖面的表层、主跃层和深海等温层分层结构特征,把我国近海及其邻近海域预分为Ⅰ,Ⅱ和Ⅲ类区。对Ⅱ,Ⅲ类区声速剖面,应用有序样本聚类算法分别进行表层分离。根据各类区的表层声速剖面数据,通过归一化处理和Akima差值采样得到梯度剖面,建立起按月归一化后的声速剖面分层梯度样本集,并应用系统聚类法和SOFM神经网络方法分别进行聚类分析,再根据分类结果并结合各类型海区的声学特点,得到各类型海区声速剖面的典型类型。通过对大量历史数据的分析结果表明,该方法为自动分类海洋声速剖面提供了一条有效路径,弥补了长期以来海洋声速剖面主要依靠人工分类的不足。 相似文献
2.
海洋中的声速剖面是影响水声设备效能的重要环境因素之一,声速剖面的自动分类和区划对海洋环境的应用意义重大.依据浅海30分方区按月统计声速剖面,通过归一化处理和Akima差值采样,建立了各方区按月归化后声速剖面的分层梯度样本集,并应用多种系统聚类算法分别对分层梯度样本集进行分析;计算各种算法在不同聚类数水平下聚类结果的总的类内离差和,依据总的类内离差和变化曲线拐点对应的聚类数目,结合分类结果确定浅海声速剖面最优聚类数目.对大量历史统计声速剖面数据的分析结果表明,该方法得到的聚类结果与人工经验分类结果吻合较好. 相似文献
1