摘要
本发明公开一种基于神经网络的经验声速误差建模补偿方法，属于海洋观测数据处理技术领域，用于声速误差建模补偿，包括将CTD和SVP的观测数据进行数据对齐；对比分析CTD通过经验公式计算得到的声速值和SVP直接测量的声速值差异，通过皮尔逊相关系数评估相关性；采用机器学习算法构建非线性回归模型，不断优化模型参数；建立模型评估指标对补偿后的声速精度进行评估；反馈修正机器学习设置参数，不断优化补偿模型。对比现有技术，本发明提高了CTD计算声速的精度，建立的数学模型具有通用性和可扩展性，可根据不同海域、不同测量条件进行调整和优化；有助于降低海洋观测成本，提高海洋观测数据的利用效率。
