基于机器学习的模式数据中内孤立波识别与振幅反演方法

本发明涉及一种基于机器学习的模式数据中内孤立波识别与振幅反演方法，属于海洋观测技术领域。本发明结合Mask‑RCNN和变分自编码器，首先对海表面高度数据进行预处理和图像化，通过局部二值模式算法提取纹理特征，构建标注数据集并进行模型训练，从中识别内孤立波条纹及其位置；再通过温度场数据的提取与处理，利用变分自编码器反演水深处的温度场；基于内波识别结果提取温度场中内孤立波的振幅。本发明能够高效、精确地处理大规模、精细化的海洋模式数据，显著提高了数据处理的效率和准确性。本发明具有广泛的应用前景，特别是在海洋灾害预警、海洋科学研究及内波动力学研究中，可大幅提升内波的自动化识别与振幅提取能力。