来源：期刊VIP网 时间：
作者：陈文轩;魏永亮;唐泽艳;黄茂苗;韩梓祺;
单位：上海海洋大学海洋科学与生态环境学院;上海河口海洋测绘工程技术研究中心;自然资源部东海发展研究院;
摘要：针对ETOPO1水深数据空间分辨率和近岸精度较低的问题，基于海洋水深修正目标提出一种改进的、可针对性优化模型灵敏度的BP神经网络结构(water depth-BPNN,WD-BPNN),结合高精度船测数据，并以影响因子位温和盐度作为辅助，模拟东海A、B、C 3处典型区域的地形，从而提高ETOPO1面数据的分辨率和精度，其中分辨率提升13倍。通过计算平均绝对误差(mean absolute error, MAE)与均方根误差(root mean square error, RMSE)来检验不同算法对A、B、C 3处不同水域的水深修正的拟合程度。分析研究结果的数据与图像表明：WD-BPNN模型在A区域的MAE和RMSE分别为0.055 m和0.139 m;在B区域的MAE和RMSE分别为0.058 m和0.141 m;在C区域的MAE和RMSE分别为0.105 m和0.080 m,在3个区域中表现良好，并且与其他模型对比具有较明显优势。
关键词：ETOPO1;;水深;;BP神经网络;;数据修正;;粒子群优化
基金资助：国家自然科学基金(41976174、41606196);; 农业农村部全球渔业资源调查监测评估项目(D-8025-24-5002)
