基于随机森林的涡旋海面信号与水下关键参数反演方法

摘要

一种基于随机森林的涡旋海面信号与水下关键参数反演方法，该方法对Argo浮标数据和基于SLA的涡旋识别与追踪数据集求交集；统计交集内涡旋识别数据的主要参数与水下温度异常数据的相关性，得到相关性参数；基于随机森林算法并结合得到的相关性参数，预测水下温度异常极值；基于概率密度函数对水下温度异常极值所处深度进行统计分析，并得到水下深度的概率分布数据。本发明利用随机森林算法，根据涡旋海表层信号反演出涡旋的水下温度异常极值及其所处深度的信息，并将反演结果与实际数据做精确性检验，能够完成对全球涡旋水下温度异常关键参数的反演与精确性统计，对于海洋中尺度涡旋的水下研究具有参考价值。