热带海洋学报
2025, 44 (
):
24-35.
高频地波雷达对近岸区域进行探测时, 雷达电磁波往往容易受到海岸线以及岛屿等地形因素的干扰, 从而导致雷达探测数据合成的海流方向出现较大的误差, 而传统的高频地波雷达反演算法并未将物理因素的影响纳入其中。为了解决这个问题, 结合卷积神经网(convolutional neural networks, CNN)和长短期记忆(long short-term memory, LSTM)神经网络的特点, 本文提出了一种基于CNN-LSTM的组合模型, 将海面风、潮汐以及海拔数据输入到模型中, 对雷达探测数据合成的海流方向进行校正。实验结果表明, CNN-LSTM模型结合物理海洋因子后能够有效提高受地形影响区域的雷达探测海流数据质量, 使合成的海流方向准确性显著提升。经过模型校正后, 相较原始雷达数据, 经验正交函数椭圆的方向角误差由77.10°降为23.06°, 椭圆的长短轴误差由0.0896降为0.0538, 海流的平均流方向角误差由20.82°降为6.21°。
