基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法

1.一种基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法，其特征在于，该方法分为以下步骤：S1：对存在海洋锋现象的待研究海区内的温盐深数据使用声速经验公式进行拟合，得到u×v＝n条声速剖面，每一条声速剖面均对应各自的经度和纬度，其中经向声速剖面数为u，纬向声速剖面数为v；按照先排经度后排纬度，从小到大的顺序将n条声速剖面按顺序排列，构建待研究海区声速矩阵T：声速矩阵T为n×m矩阵，矩阵的元素T ij 代表第i条声速剖面在其第j个深度处通过声速经验公式计算得出的声速值，下标i代表第i条声速剖面，i＝1,2,…,n，下标j代表第j个深度，j＝1,2,…,m，m为全海深声速剖面深度方向采样点的个数；S2：使用K-means算法对待研究海区内n条声速剖面进行分层聚类K-means算法将待研究海区n条声速剖面划分为K组，通过最小化距离的平方误差来找到每组的聚类中心；距离的平方误差可以表示为：其中，x为每个聚类簇中的各条声速剖面，C q 为第q个聚类簇，q＝1,2,…,K，μ q 是C q 的均值向量，即聚类中心，也称质心，其表达式为：||x-μ q ||为x与μ q 之间的距离，这里采用欧式距离，可以表示为：具体过程如下：S2.1通过平移-标准差变换和平移-极差变换初始化声速矩阵T，得到隶属矩阵T”：首先经过平移-标准差变换，将声速矩阵T转化为过渡矩阵T'：其中，T ij '表示过渡矩阵T'中的元素，然后经过平移-极差变换，将过渡矩阵T'转化为隶属矩阵T”：经过上述变换后就得到隶属矩阵T”，T”中的元素T″ ij ∈[0,1]，完成声速矩阵T的初始化；S2.2确定分层数目以及各层的深度范围在S2.1计算出隶属矩阵T”之后，根据海洋锋的实际影响深度，将n条初始化后的声速剖面按照海深平均划分为z层，得到z个分层声速矩阵T″ p ，p＝1,2,…,z：…j(1)，j(2)，…，j(z)对应各层最后一个深度位置，每个分层声速矩阵均有n条初始化后的声速剖面；S2.3在分层声速矩阵T″ p 中随机选择K条初始化后的声速剖面作为初始的K个聚类中心；S2.4在分层声速矩阵T″ p 中求出n条初始化后的声速剖面到K个聚类中心的距离，按照平方误差最小原则进行第一次聚类，得到第一次聚类中心：其中，C q 为根据平方误差最小原则求出的聚类簇，(T″ p ) i 为分层声速矩阵T″ p 的行向量，即每个分层声速矩阵初始化后的声速剖面；S2.5所有的声速剖面完成第一次聚类后，聚类中心发生了改变，重复步骤S2.4，再次计算每个聚类中心,直到聚类簇中所有的声速剖面与聚类中心的距离的平方误差最小：即给定某一确定的δ，使得E(t+1)-E(t)<δ，然后停止迭代，完成了声速剖面在该层的聚类，t为迭代次数；S2.6重复步骤S2.3到S2.5，对其他分层声速剖面也分别使用K-means算法进行聚类；聚类的结果是，对于z个分层，每一层的n条声速剖面都被分成K组，所有声速剖面的聚类结果都在经纬度平面分布图上输出，以便直观地得到聚类识别到的锋区范围以及在不同经度断面上海洋锋的起始位置等信息；定义通过K-means算法得到的第p层的海洋锋的起始位置为 S3：对得到的声速剖面分层聚类结果进行验证使用BELLHOP射线模型进行传播损失的计算，选取某个经度断面，得到该断面下海洋锋的起始位置，再与S2通过K-means算法聚类分析声速剖面得到的同一断面下海洋锋的起始位置 进行比较，以验证声速剖面分层聚类结果对于海洋锋的起始位置判断的准确性；具体步骤如下：S3.1选取某个经度断面，该经度断面下所有不同纬度的声速剖面，以第p层为例，按顺序构成该经度断面下的分层声速矩阵C u ：其中，矩阵的元素C gh 代表该经度断面下第g条声速剖面在第p层的第h个深度处通过声速经验公式计算得出的声速值，g＝1,2,…,v，h＝1,2,…,j(p)，下标j(p)对应第p层最后一个深度位置；将实际选取的经度断面的分层声速矩阵C u 作为该分层存在海洋锋时的声速环境，定义为有锋环境；S3.2使用C u 的第一条声速剖面配置距离无关环境，即令第2条到第v条声速剖面上各点的声速值与第1条声速剖面上各点的声速值相等，得到的矩阵为无锋环境下的声速矩阵 其中， 要与C u 的维数保持一致；S3.3采用BELLHOP声场计算软件计算传播损失，得到有锋环境下和无锋环境下的传播损失TL p 与 S3.4比较有锋环境下和无锋环境下的传播损失TL p 与 设定传播损失差异的判断阈值TL diff ，对于同一位置处，若则将此时的TL p 对应的位置R s 作为该断面下第p层锋区的起始位置；S3.5将S2.6中得到的同一断面下第p层的海洋锋的起始位置 与S3.4中的R s 进行比较；设定位置差异的判断阈值R error ，若则认为使用K-means得到的锋区的起始位置结果在该断面下的第p层是准确的，完成了对声速剖面第p层聚类结果的验证，此时无需进行下一步的分层迭代优化过程；若不满足该条件，则进行S4；S4：对分层进行迭代优化；若则将第p层按照该层水深平均划分为两层，每一层均按照S2重新聚类，并按照S3的方法进行验证；若这两层的结果均小于位置差异的判断阈值R error ，则第p层迭代优化过程结束；若仍有分层结果不能满足S3.5的条件，则将不满足条件的分层继续按照该层当前水深平均划分为两层，每一层继续按照S2重新聚类，并按照S3的方法进行验证，直至所有分层聚类结果均满足则迭代优化过程结束，完成了对声速剖面第p层迭代后聚类结果的验证；S5：经过S1-S4得到了使用K-means算法迭代分层聚类声速剖面的结果，并完成了验证，使用该结果对海洋锋几何结构进行重构。 2.一种根据权利要求1所述基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法，其特征在于：S1中，声速的计算采用以下经验公式：C＝1449.22+ΔC t +ΔC S +ΔC P +ΔC StP其中，ΔC t ＝4.6233t-5.4585(10) -2 t 2 +2.822(10) 4 t 3 -5.07(10) -7 t 4ΔC p ＝1.60518(10) -1 P+1.0279(10) -5 P 2 +3.451(10) -9 P 3 -3.503(10) -12 P 4ΔC S ＝1.391(S-35)-7.8(10) -2 (S-35) 2ΔC StP ＝(S-35)[-1.197(10) -3 t+2.61(10) 4 P-1.96(10) -1 P 2 -2.09(10) -6 Pt]+P[-2.796(10) 4 t+1.3302(10) -5 t 2 -6.644(10) -8 t 3 ]+P 2 [-2.391(10) -1 t+9.286(10) -10 t 2 ]-1.745(10) - 10 P 3 t其中，t为海水温度，单位是℃，P为海水压力，单位是标准大气压，S为海水盐度，单位是psu。 3.一种根据权利要求1所述基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法，其特征在于：S3.1中，若要选取纬度断面，则选取某个纬度，该纬度下所有不同经度的声速剖面，以第p层为例，按顺序构成该纬度断面下的分层声速矩阵C v ：其中，矩阵的元素C gh 代表该纬度断面下第g条声速剖面在第p层的第h个深度处通过声速经验公式计算得出的声速值，g＝1,2,…,u；h＝1,2,…,j(p)；下标j(p)对应第p层最后一个深度位置；将实际选取的纬度断面的分层声速矩阵C v 作为该分层存在海洋锋时的声速环境，定义为有锋环境。 4.一种根据权利要求1或3所述基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法，其特征在于：S3.1中，选取断面的原则是，根据聚类的结果，断面的选取要穿过锋区，可根据经纬度平面分布图上的聚类的输出结果进行判断。 5.一种根据权利要求1所述基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法，其特征在于：S3.2中，若要选取纬度断面，则使用C v 的第一条声速剖面配置距离无关环境，即令第2条到第u条声速剖面上各点的声速值与第1条声速剖面上各点的声速值相等，得到的矩阵为无锋环境下的声速矩阵 其中， 要与C v 的维数保持一致。 6.一种根据权利要求1所述基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法，其特征在于：S2.5中，δ＝10 -5 。 7.一种根据权利要求1所述基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法，其特征在于：S3.4中，TL diff ＝0.2dB。 8.一种根据权利要求1所述基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法，其特征在于：S3.5中，R error ＝11.2km。 9.一种根据权利要求1所述基于K-means算法迭代分层聚类声速剖面的海洋锋重构方法，其特征在于：S5中，重构的方法是，用经纬度平面分布图上输出的各分层的锋区范围作为该分层内所有深度上的海洋锋几何结构，各分层海洋锋几何结构按照深度顺序排列，构成最终的海洋锋几何结构。