人工神经网络方法估算海洋上混合层深度的初步研究  

Estimation of ocean upper mixed layer depth using artificial neural network

作　　者：刘辉[1] 王静[2] 

机构地区：[1]中国科学院南海海洋研究所LED实验室 [2]中山大学地理科学与规划学院,广东广州510275

出　　处：《热带海洋学报》2008年第3期9-13,共5页Journal of Tropical Oceanography

基　　金：中国科学院知识创新工程项目(KZCX2-YW-201);国家科技计划支撑项目(2006BAB19B01);国家“973”计划项目(2006CB403604)

摘　　要：上混合层深度是海洋上层热力结构特征的重要参数。结合南海南部海区一连续温盐深观测站的实测资料和NCEP再分析风场资料,以海洋表层温度和风应力为输入,以温度差值判断方法计算所得上混合层深度为输出,采用BP神经网络和广义回归神经网络2种方法进行训练,建立了南海南部海区的上混合层深度人工神经网络计算模型。实验显示,两种模型仿真结果与温度差值方法计算结果均方根误差分别为3.58m、3.09m,线性相关分别达0.87、0.91,绝对误差分别为2.80m、2.37m,相对误差分别为9.40%、7.40%。这一结果表明,人工神经网络方法精度较高,是一种切实可行的上混合层深度估算方法。Upper mixed layer depth （MLD） is an important oceanographic parameter. Based on ocean surface parameters obtained from a continuous observation station and NCEP/NCAR reanalysis data, the upper mixed layer depth in the Southern South China Sea is estimated using Artificial Neural Network （ANN） method. The input parameters are SST and wind stress, and the output parameter is the MLD derived from in situ observational data defined using temperature criteria. The present study covers two methods of Back Propagation Neural Network （BPNN） and General Regression Neural Network （GRNN）. Compared with the MLDs calculated from the method based on temperature criteria, the root mean square errors of the predicted MLDs using the two methods are 3.58m and 3.09m, the correlation coefficients are 0.87 and 0.91, the absolute errors are 2.80m and 2.37m, and the relative errors are 9.40% and 7.40%, respectively. The result shows that ANN is a practical method to estimate ocean upper MLD.

关 键 词：人工神经网络 上混合层深度 南海南部海域 

分 类 号：P731[天文地球—海洋科学]