报告详情
基于深度神经网络联合重力数据预测中波长海底地形：以日本海为例
编号：3177
访问权限：仅限参会人
更新：2024-04-12 22:57:14 浏览：330次
张贴报告
报告开始：2024年05月18日 08:09（Asia/Shanghai）
报告时间：1min
所在会场：[SP] 张贴报告专场 [sp9] 主题9、地球物理与大地测量
暂无文件
摘要
受多种地球物理因素的影响，重力异常(GA)/垂直重力异常梯度(VGG)与海底地形(ST)在中波长内存在显著相关性。本研究利用深度神经网络（DNN）结合多源重力数据预测日本海（37°N-42°N,130°E-138°E）中波段(15-160 km)的ST。将垂线偏差、经带通滤波处理的GA、VGG和船载测深数据作为训练数据，并设计了特定结构的DNN框架和训练策略。结果表明：在测试点上DNN训练模型与topo_25.1模型的精度相当，相差约2-5m；经船测约束后，DNN训练模型的精度优于topo_25.1模型13-14 m。利用三条独立航线作为检核，检核精度显示：融合GA、VGG和垂线偏差的DNN模型精度最优，RMSE为81.58m，优于重力地质法反演模型7.2m；融合GA和VGG的DNN模型精度反而低于两者单一数据的训练精度；垂线偏差的加入对于ST模型精度的提升是有益的。
关键词
海底地形，多源重力数据，深度神经网络，日本海，中波段，船载测深数据
报告人
安德超
博士研究生 中山大学测绘科学与技术学院稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论