摘要
本发明提供一种用于声传播损失计算的网格处理方法,对水下声传播模型中的二维数组输入参数,进行特征值化处理;确定原始声传播损失计算结果二维数组对应伪彩图作为标准声场图像,进行图像相似度比较;对稀疏抽值后的特征值组中二维数组,通过线性插值插值到每个维度上的个数与原数组一致,进行数组相似度比较;进行最优网格大小判断,确定最大稀疏抽值步长为最优计算网格的水平步长与深度步长;确定输入机器学习算法的训练样本,搭建深度学习网络,对机器学习算法的训练样本进行训练,输出最优计算网格大小。本发明技术方案,通过对声传播模型计算结果的训练与学习,实现对未知海域声传播模型计算时,计算网格大小,提高声传播模型的计算效率。
技术关键词
网格
机器学习算法
浮点数
深度学习网络
特征值组
伪彩图
图像
矩阵
参数
样本
图片
误差信息
频率
数值
密度
变量
对比度